吳懋剛,潘永惠,范 蕤

(江陰職業(yè)技術(shù)學院計算機科學系,江蘇無錫 214405)

基于優(yōu)化RBF 神經(jīng)網(wǎng)絡的絲織物縫紉性能客觀評價

吳懋剛,潘永惠,范 蕤

(江陰職業(yè)技術(shù)學院計算機科學系,江蘇無錫 214405)

提出了一種基于優(yōu)化RBF神經(jīng)網(wǎng)絡的絲織物縫紉性能客觀評價系統(tǒng).該系統(tǒng)根據(jù)絲織物面料的FAST力學指標與縫紉性能之間的關系,運用神經(jīng)網(wǎng)絡的方法進行面料縫紉性能評價和預測,并提出了一種基于模糊核聚類的優(yōu)化徑向基神經(jīng)網(wǎng)絡學習算法.實驗表明,該系統(tǒng)對一般絲型織物的縫紉平整性能評價預測具有客觀、快速和高效等優(yōu)點.

FAST系統(tǒng);縫紉平整度;模糊核聚類;RBF神經(jīng)網(wǎng)絡;客觀評價

0 引言

服裝縫紉平整度是影響服裝外觀質(zhì)量的重要因素,隨著服裝生產(chǎn)自動化程度的加強和市場對服裝生產(chǎn)企業(yè)快速反應能力要求的日益提高,服裝縫紉性能的客觀評價也逐步成為紡織服裝界關注和研究的重點[1,2].目前在大多數(shù)商業(yè)行為中仍然以主觀評定法AATCC-88B作為服裝縫紉平整性能的主要評價標準.該評價方法的特點是直接、簡單、投入少、易掌握,然而這種方法在參考樣品的基礎上目視評級,易受到評價者個人的不確定因素的影響而有失客觀性.隨著計算機技術(shù)的飛速發(fā)展,圖像處理及計算機模擬技術(shù)開始應用于縫紉外觀的識別和評價模型[3,4].由于絲織物縫紉對小負荷區(qū)域的力學性能很敏感,其在低應力下的各項力學性能與加工生產(chǎn)有著密切的關系.本文主要研究了絲織物的各項FAST力學性能指標與縫紉平整度等級之間的關系,并提出了一種基于優(yōu)化RBF神經(jīng)網(wǎng)絡的絲織物縫紉平整度客觀評價方法.

1 RBF神經(jīng)網(wǎng)絡

1.1 RBF神經(jīng)網(wǎng)絡學習算法

RBF神經(jīng)網(wǎng)絡的結(jié)構(gòu)如圖1所示.它由輸入層、隱層和輸出層三層結(jié)構(gòu)組成[4].網(wǎng)絡的輸出按如下公式計算:

其中,x∈Rn是一個輸入向量,φk(·)是從R+(所有正實數(shù)的集合)到R的函數(shù).wik是輸出層權(quán)值,N是隱含層的神經(jīng)元數(shù)目,ck是輸入向量空間的RBFNN中心.式(1)可以寫為:

圖1 RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)

其中,‖·‖2表示歐幾里德范數(shù).對于隱含層的節(jié)點神經(jīng)元,需要計算與它相關的中心和網(wǎng)絡輸入之間的歐幾里德距離.隱含層節(jié)點的輸出是距離的一個非線性函數(shù).網(wǎng)絡的最后輸出為隱含層每個節(jié)點輸出的加權(quán)和.

RBF神經(jīng)網(wǎng)絡隱層節(jié)點的非線性函數(shù) φk(·)的取值一般為高斯徑向基函數(shù):

其中vk和σk分別是第k個隱層節(jié)點的中心向量和寬度.由于高斯函數(shù)是一中徑向?qū)ΨQ函數(shù),當輸入信號越靠近基函數(shù)中心時,隱層節(jié)點的輸出值就越大,越遠離中心時,節(jié)點的輸出就越小.從第k個隱層節(jié)點輸出的最大值到最小值的收斂半徑也稱為基函數(shù)的寬度是由σk控制的.

RBF神經(jīng)網(wǎng)絡隱層節(jié)點非線性函數(shù)的特點很好模擬了人類大腦皮層中局部調(diào)節(jié)和交疊的感受野的反映特點,使網(wǎng)絡的輸入信號可以在局部產(chǎn)生響應,因此,RBF神經(jīng)網(wǎng)絡具有局部逼近能力[5].1.2 優(yōu)化RBF神經(jīng)網(wǎng)絡算法

在RBF神經(jīng)網(wǎng)絡中隱層節(jié)點的基函數(shù)確定后,重要的就是確定基函數(shù)的中心 vk(中心向量)、基函數(shù)的寬度σk和輸出層權(quán)值wik[6].經(jīng)典的RBF神經(jīng)網(wǎng)絡的中心確定有三種常見的方法,即根據(jù)經(jīng)驗選擇可以代表訓練樣本分布性能的基函數(shù)中心、利用聚類的方法選擇基函數(shù)中心和運用誤差糾正算法進行可監(jiān)督學習.一旦中心確定好之后,經(jīng)典徑向基網(wǎng)絡的基函數(shù)寬度σ通常按如下公式計算:

其中,其中 dmax是選擇的中心之間最大歐幾里德距離,K是中心的數(shù)目.

本文在對經(jīng)典的RBF徑向基網(wǎng)絡運用的過程中對其進行優(yōu)化,以改善神經(jīng)網(wǎng)絡對絲織物縫紉性能預測的效果.優(yōu)化神經(jīng)網(wǎng)絡算法過程如下:

初始化:引入模糊聚類中心和模糊系數(shù)矩陣→隱層到輸出層連接權(quán)系數(shù)初始化→根據(jù)式(3)計算陷層節(jié)點輸出z=y(xi)→根據(jù)偽逆算法計算陷層輸出層的連接權(quán)W→根據(jù)式(1)計算輸出層節(jié)點值Y.

使用MAT LAB實現(xiàn)算法的基本步驟如下:

1)初始化.運用模糊核聚類算法(KFCM)計算得到模糊聚類中心和模糊分割矩陣,將其作為RBF網(wǎng)絡的基函數(shù)中心和寬度調(diào)節(jié)的輸入.

2)利用高斯函數(shù)式(3)計算隱層節(jié)點的輸出權(quán)值ω.

3)運用偽逆算法計算隱層節(jié)點到輸出層的連接權(quán)值.

4)計算網(wǎng)絡的輸出結(jié)果,即縫紉性能客觀評價等級值.

優(yōu)化的徑向基神經(jīng)網(wǎng)絡運用聚類算法(KFCM)得到基函數(shù)的中心 C和模糊分割矩陣μ,并將μ作為RBF網(wǎng)絡控制基函數(shù)寬度的調(diào)節(jié)參數(shù),從而使網(wǎng)絡隱層節(jié)點具有更好的受控感受野.

2 實驗結(jié)果

采用FAST(Fabric Assurance by Simple Testing)一起對絲織物25項物理力學性能進行測試,對其成形性、加工型和尺寸穩(wěn)定性等性能進行預測.本文選用了30塊常用薄型絲織物作為試驗樣品,基本規(guī)格參數(shù)為:經(jīng)密(根/10cm):236～578;緯密(根/10cm):190～565;織物組織:平紋,斜紋,緞紋;織物重量(g/m2):52～202;織物厚度(mm):0.16～0.63.將測試樣品裁成尺寸為30 cm×6 cm的縫條,上下縫條沿同一絲縷方向從中間進行縫紉,僅考慮上下縫條為同絲縷方向時的縫紉平整度評級.

本文主要考察薄型絲織物的力學性能參數(shù)對縫紉性能的影響關系[3],不考慮縫紉條件的變化對面料的縫紉性能的影響.樣品的縫制由服裝廠的熟練技術(shù)工人采用相應的工業(yè)平縫機進行縫制,樣品縫制時針、線配用標準為:針號號制:9#;配用縫線細度(tex):5.2×3;針距(針/3 cm):13～16.

在對樣品縫條進行縫紉時,根據(jù)工廠實際生產(chǎn)經(jīng)驗,采用相應縫紉條件對不同縫條進行縫制加工.對縫紉好的樣品經(jīng)過標準洗滌晾干后參照AATCC-88B標準由兩位專家對每塊縫條進行主觀評級,取其平均值.分別沿5個不同方向(經(jīng)向到緯向:0°,30°,45°,60°,90°)進行縫紉評級,并測量計算相應的力學性能指標值,每類面料得到150組實驗數(shù)據(jù),其中120組作為網(wǎng)絡訓練建模,另外30組用于模型精度檢驗.分別采用經(jīng)典RBF網(wǎng)絡和優(yōu)化RBF網(wǎng)絡對絲織物面料縫紉平整性能的主客觀評價結(jié)果進行分析,如表1所示.

表1 經(jīng)典RBF與優(yōu)化RBF神經(jīng)網(wǎng)絡預測結(jié)果

為了更清楚表示兩種網(wǎng)絡預測的效果,對表1中的實驗結(jié)果進行相關性分析,如圖2所示.圖2中顯示基于優(yōu)化RBF神經(jīng)網(wǎng)絡對絲織物面料縫紉性能的主客觀預測的相關性數(shù)據(jù),該方法的整體預測精度達到96.4%,表明本文所提出的基于優(yōu)化RBF神經(jīng)網(wǎng)絡具有較好的預測能力.

3 結(jié)束語

本文綜合運用聚類的模式識別方法和徑向基神經(jīng)網(wǎng)絡學習算法提出了一種優(yōu)化的RBF神經(jīng)網(wǎng)絡模型.該模型在針對絲織物面料的縫紉平整度客觀評價系統(tǒng)應用中,體現(xiàn)出其客觀、快速、高效的評價性能.但是,由于本文實驗所用試樣的數(shù)量仍不夠豐富和全面,絲織物材料種類眾多,結(jié)構(gòu)復雜,選樣時不可能做到面面俱到,大多數(shù)試樣為常用材料和常用結(jié)構(gòu),所建系統(tǒng)的應用范圍也僅局限于與測試用面料同類或相近的面料.因此,如何提高本文模糊辯識系統(tǒng)的泛化能力,將是今后進一步研究工作的重點.

圖2 優(yōu)化RBFNN的主客觀評價相關性分析

[1] 劉侃.面料縫紉平整度客觀評價新方法[J].紡織導報,2007(12):96-97.

[2] Pan Y H,Bao F,Wang S T.Objective evaluation of seam pucker using SFC-RBFNN[J].DCABES 2007 Proceedings,2007(1):592-596.

[3] 楊建忠,王善元.輕薄織物斜向力學性能與縫紉起皺關系的研究[J].西北紡織工學院學報,2001,15(3):15-20.

[4] Yang Y P,Xu X M,Zhang W Y.Design neural networks based fuzzy logic[J].Fuzzy Sets and Systems,2000,114:325-328.

[5] 沈謙,王濤.結(jié)構(gòu)優(yōu)化的RBF神經(jīng)網(wǎng)絡學習算法[J],微電子學與計算機,2000(4):14-18.

[6] Yan S,Haru M S,Mizumoto.A new approach of neuro-fuzzy learning algorithmfor tunningfuzzy rules[J].Fuzzy Sets and Systems,2000,112:99-116.

Objective Evaluaion of Silk Fabric Sewability Based on Optimize RBF Neural Network

WU Mao-gang,PAN Y ong-hui,FAN Rui
(Department of Computer Science,Jiangyin Polytechnic College,Wuxi Jiangsu 214405,China)

According to the relations between FAST mechanical properties and silk fabric sewability,we proposed an optimized objective evaluation system of silk fabric sewability based on Fuzzy kernel clustering and RBF neural network.Our experimental results demonstrate that the proposed system could efficiently be used as an objective sewability prediction system with high accuracy.

FAST system;fabric sewability;fuzzy kernel clustering;RBF neural network;objection evaluation

TP301

A

1671-6876(2010)04-0326-04

2010-03-22

吳懋剛(1977-),男,江蘇江陰人,講師,碩士,研究方向為模式識別與分布式計算.

[責任編輯:蔣海龍]