張國強，張增強，賀詠梅

（1.五邑大學，廣東 江門529020；2.天津工業(yè)大學，天津300387）

BP神經(jīng)網(wǎng)絡(luò)是人工網(wǎng)絡(luò)的重要模型之一，目前80%～90%的人工神經(jīng)網(wǎng)絡(luò)模型是采用BP網(wǎng)絡(luò)或它的變化形式。BP神經(jīng)網(wǎng)絡(luò)全稱是誤差向后傳播網(wǎng)絡(luò)（error back－Propagation），是一種應用廣泛且理論上能夠逼近任意非線性函數(shù)的算法，它是一種典型的前饋多層神經(jīng)網(wǎng)絡(luò)，其模型的基本要素是：神經(jīng)元、輸入層、隱含層、輸出層、激活函數(shù)及權(quán)值和偏差。神經(jīng)元是構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的基本單元，輸入層、隱含層及輸出層構(gòu)成了網(wǎng)絡(luò)模型的基本輪廓。層與層之間全部互相連接，同層各神經(jīng)元之間相互不連接，相鄰層的神經(jīng)元通過權(quán)重連接，權(quán)重的調(diào)整采用反向傳播的學習算法［1］。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖見圖1。

BP神經(jīng)網(wǎng)絡(luò)優(yōu)點是在處理和解決問題時，不需要找出一個精確的數(shù)學模型，而是通過其強大的自學習能力和結(jié)構(gòu)的可變性，逐步適應外部環(huán)境各因素的作用，不斷修改自身的結(jié)構(gòu)，而達到解決問題的目的［2］。用BP神經(jīng)網(wǎng)絡(luò)方法，只要樣本點和訓練次數(shù)足夠多，網(wǎng)絡(luò)模型就能作出準確預測。目前BP神經(jīng)網(wǎng)絡(luò)技術(shù)越來越多地被應用到紡織服裝領(lǐng)域處理復雜的非線性問題，如利用人工神經(jīng)網(wǎng)絡(luò)預測紗線的強度、織物疵點的鑒別、織物縫合性能的評價、織物熱阻的預測，織物染色性能預測和服裝結(jié)構(gòu)設(shè)計等。

1 BP神經(jīng)網(wǎng)絡(luò)的工作原理

圖1所示是包含多個隱含層的多層BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)。BP網(wǎng)絡(luò)不僅含有輸入節(jié)點（Xi）和輸出節(jié)點（Oi），而且含有一層或多層隱（層）節(jié)點，輸入信號先向前傳遞到隱節(jié)點，經(jīng)過作用后，再把隱節(jié)點的輸出信息傳遞到輸出節(jié)點，最后給出輸出結(jié)果。BP算法的學習過程由正向傳播和反向傳播組成。在正向傳播過程中，輸入信息從輸入層經(jīng)隱單元層逐層處理后，傳至輸出層。每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層得不到期望輸出，那么就轉(zhuǎn)為反向傳播，把誤差信號沿原連接路徑返回，并通過修改各層神經(jīng)元的權(quán)值，使誤差信號最?。?］。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

2 BP神經(jīng)網(wǎng)絡(luò)在紡織服裝上的應用

BP神經(jīng)網(wǎng)絡(luò)可以在只獲悉纖維、紗線或織物基本結(jié)構(gòu)參數(shù)及物理參數(shù)的前提下對織物的性能進行預測，以達到控制質(zhì)量、預測質(zhì)量、優(yōu)化工藝的目的。BP神經(jīng)網(wǎng)絡(luò)為織物各項性能指標的準確快速預測提供一種極其可行的智能化工具。

2.1 BP神經(jīng)網(wǎng)絡(luò)在紡紗過程中的應用

在紡紗過程中，BP神經(jīng)網(wǎng)絡(luò)的主要應用是對紗線質(zhì)量的預測、控制及優(yōu)化工藝等。

姚志利，歐建文［4］采用BP神經(jīng)網(wǎng)絡(luò)建立洗毛工藝參數(shù)與洗毛質(zhì)量之間關(guān)系的模型，根據(jù)已有數(shù)據(jù)對網(wǎng)絡(luò)進行訓練，并用學習后的神經(jīng)網(wǎng)絡(luò)對新工藝進行判別，結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)模型輸出狀態(tài)與洗毛狀態(tài)非常接近，誤差低于3.4%，可以用于對洗毛新工藝的判別。

吳家碚［5］采用BP神經(jīng)網(wǎng)絡(luò)對紗疵的非線性數(shù)據(jù)分類情況進行了實驗與分析，對實驗結(jié)論進行驗算，得出了神經(jīng)網(wǎng)絡(luò)在基本原理上是完全能夠?qū)崿F(xiàn)紗疵非線性分類的結(jié)論，為新一代電子清紗器的雛形奠定了基礎(chǔ)。李惠軍，朱磊［6］研究基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線毛羽預測問題。以棉纖維的7項品質(zhì)指標作為輸入?yún)?shù)，以棉紗的毛羽指數(shù)H指標作為輸出參數(shù)，通過使用36組數(shù)據(jù)分別進行網(wǎng)絡(luò)模型訓練，建立了棉纖維品質(zhì)指標與紗線毛羽的非線性模型，結(jié)果表明：BP人工神經(jīng)網(wǎng)絡(luò)模型的預測速度和精度較好。

董奎勇，楊萍［7］利用BP神經(jīng)網(wǎng)絡(luò)及其算法，分別建立了兩類細紗條干不勻率CV值預報模型，并對預報結(jié)果分別作了對比分析，得出了兩類模型的最佳結(jié)構(gòu)。

聶瓊［8］研究了基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線強度CV值預測問題。以棉纖維的七項品質(zhì)指標作為輸入?yún)?shù)，以紗線的強度CV值指標作為輸出參數(shù)，通過使用28組數(shù)據(jù)分別進行網(wǎng)絡(luò)模型訓練，最終選定紗線強度CV值的模型結(jié)構(gòu)進行預測，驗證了BP人工神經(jīng)網(wǎng)絡(luò)模型的預測精度。

此外，談洪珞［9］通過對神經(jīng)網(wǎng)絡(luò)的訓練快速預測到紗線的強力，在生產(chǎn)實踐中用來檢驗或設(shè)計紗線。郝海濤，謝春萍［10］結(jié)合BP神經(jīng)網(wǎng)絡(luò)以及AFIS系統(tǒng)的特點，建立了從原料到紗線強力的預測模型，分析了原料對紗線強力的影響，利用BP神經(jīng)網(wǎng)絡(luò)和AFIS建立完善的紗線質(zhì)量預測系統(tǒng)以及專家診斷系統(tǒng)對紗線質(zhì)量控制以及工藝調(diào)整做出了一定指導。

張美忠，吳磊［11］建立了輸入層有合股捻度、單紗捻度、單紗強度三個節(jié)點，兩個隱藏層，輸出層有股線強度，股線斷裂伸長率兩個節(jié)點的三層BP神經(jīng)網(wǎng)絡(luò)模型。采用Levenberg－Marquardt優(yōu)化算法，用 Matlab 6.1進行了仿真，對股線的拉伸力學性能進行預測，預測結(jié)果與實驗結(jié)果吻合。

劉貴，于偉東［12］在BP神經(jīng)網(wǎng)絡(luò)建模技術(shù)的基礎(chǔ)上，提出利用神經(jīng)網(wǎng)絡(luò)輸入層與輸出層之間的網(wǎng)絡(luò)權(quán)值及其分布來求各輸入?yún)?shù)重要程度的方法。將采集到的毛精紡企業(yè)前紡工藝參數(shù)運用BP神經(jīng)網(wǎng)絡(luò)分別建立了粗紗CV值和粗紗單重的預測模型。認為BP網(wǎng)絡(luò)法比多元回歸顯著性分析（MRSA）更為精準，可用于對實際生產(chǎn)加工的預報和控制。

林森［13］利用BP神經(jīng)網(wǎng)絡(luò)較強的學習能力，對羊毛和粘膠的混紡紗線橫截面圖像進行識別分析。通過對實例圖像進行預處理，提取特征數(shù)據(jù)。應用主成份分析法進行數(shù)據(jù)降維并利用BP神經(jīng)網(wǎng)絡(luò)進行機器學習及識別分類，取得了與實際相符的羊毛和粘膠兩種材質(zhì)的分離效果。

2.2 BP神經(jīng)網(wǎng)絡(luò)在織造工藝和織物性能研究上應用

BP神經(jīng)網(wǎng)絡(luò)在織造過程中的應用主要有漿紗質(zhì)量的預測，織物疵點的鑒別，織物縫合及粘合后性能的評價，織物風格、拉伸性、透通性及熱濕舒適性等物理性能的預測。

漿紗是織造生產(chǎn)過程中關(guān)鍵的一道工序，直接影響著織造質(zhì)量和生產(chǎn)效率。楊艷菲，崔世忠等［14］人采用BP神經(jīng)網(wǎng)絡(luò)建立漿液濃度、漿槽溫度、漿紗機速度、壓漿輥壓力三個工藝參數(shù)與上漿率之間的關(guān)系，進而根據(jù)已確定的工藝參數(shù)對上漿率進行預測，最后根據(jù)上漿率的大小調(diào)整工藝參數(shù)，從而保證準確控制上漿率。張林龍［15］在分析研究影響漿紗質(zhì)量因素的復雜性及各因素與漿紗質(zhì)量之間關(guān)系的基礎(chǔ)上，運用神經(jīng)網(wǎng)絡(luò)模型對漿紗質(zhì)量進行預測，結(jié)果具有較好的準確性，相對誤差可以控制在±2%，而且網(wǎng)絡(luò)運行性能良好。

劉建立，左保齊［16］建立三層BP神經(jīng)網(wǎng)絡(luò)對織物疵點進行識別，提出織物疵點識別網(wǎng)絡(luò)不適宜規(guī)則。將其應用于隱含層神經(jīng)元個數(shù)選擇和訓練方法篩選，以優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提高訓練速度和網(wǎng)絡(luò)識別精度，設(shè)計出較優(yōu)的織物疵點識別網(wǎng)絡(luò)。將絲織物中常見的斷經(jīng)、斷緯、重緯、檔疵、破洞和油污六類疵點作為識別樣本，對不適宜網(wǎng)絡(luò)規(guī)則的設(shè)計網(wǎng)絡(luò)進行測試。結(jié)果表明網(wǎng)絡(luò)識別正確率高，識別速度快。

織物風格是人們憑觸覺、視覺等官能獲得的關(guān)于紡織織物品質(zhì)的評價?？椢镲L格包括織物的觸感風格（手感）和視覺風格（觀感）。成玲，萬振凱等［17］人討論BP神經(jīng)網(wǎng)絡(luò)在織物風格識別中的應用，有效解決了織物風格評定問題。曹建達，顧小軍等［18］人先以織物手感主觀評定測出結(jié)果，再將KES－FB測試系統(tǒng)測得的12塊棉及棉型織物的18個物理量用人工神經(jīng)網(wǎng)絡(luò)進行了預測，表明以BP神經(jīng)網(wǎng)絡(luò)構(gòu)建織物手感主、客觀評價之間關(guān)系的預測模型是可行的。曹建達［19］采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立和訓練反應織物結(jié)構(gòu)參數(shù)與織物懸垂性能之間關(guān)系的三層神經(jīng)網(wǎng)絡(luò)模型，對比預測值和實驗值，表明用神經(jīng)網(wǎng)絡(luò)方法預測棉織物懸垂性能有相當?shù)臏蚀_性。

織物的折皺回復性、拉伸性及剪切性能對織物的應用有很大影響。裴華強，鄭德均［20］通過選取織物原料組成、經(jīng)緯密度、抗彎長度、織物厚度及重量等重要影響因子作為神經(jīng)輸入元，將折皺回復角值作為輸出目標，探討了將神經(jīng)網(wǎng)絡(luò)理論用于織物折皺回復性能的直接預測。梅興波，顧伯洪［21］采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立反映織物結(jié)構(gòu)參數(shù)、紗線參數(shù)與織物拉伸性能間關(guān)系的三層神經(jīng)網(wǎng)絡(luò)模型，根據(jù)影響織物拉伸性能的各種參變量，用動量在學習率自適應調(diào)整的算法訓練模型。通過預測值和實驗值的比較，表明用BP神經(jīng)網(wǎng)絡(luò)方法預測織物拉伸性能有相當?shù)臏蚀_性。徐廣標，王府梅等［22］人在33種精紡毛型織物實驗數(shù)據(jù)的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)建立了精紡毛型織物剪切性能與織物結(jié)構(gòu)參數(shù)之間的網(wǎng)絡(luò)模型，并對模型進行驗證和評估。

織物熱濕舒適性和透通性是表征織物舒適性的重要指標。纖維性質(zhì)、紗線結(jié)構(gòu)和性質(zhì)，及織物的結(jié)構(gòu)與性質(zhì)，均會影響織物的熱濕傳遞及通透性能，它們之間存在著復雜的非線性關(guān)系。研究者們利用神經(jīng)網(wǎng)絡(luò)能夠逼近任意非線性函數(shù)的優(yōu)點對織物熱傳遞進行了深入研究。楚艷艷，汪青等［23］人建立了由織物種類、面密度、厚度、透氣性和回潮率5個結(jié)構(gòu)參數(shù)作為輸入層神經(jīng)元，織物熱阻和濕阻作為輸出層神經(jīng)元的BP神經(jīng)網(wǎng)絡(luò)預測模型。預測實驗表明，熱阻和濕阻的平均估計誤差分別為0.38和0.18，為研究織物的熱阻和濕阻性能提供有效的預測方法。曹建達［24］采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立和訓練反映織物結(jié)構(gòu)參數(shù)與織物透氣性能之間關(guān)系的三層神經(jīng)網(wǎng)絡(luò)模型，準確預測了織物透氣性能。徐光標，王府梅［25］也建立了織物透氣性能與織物結(jié)構(gòu)參數(shù)之間的神經(jīng)網(wǎng)絡(luò)模型，并重新采集7種織物對網(wǎng)絡(luò)模型進行驗證和評估，神經(jīng)網(wǎng)絡(luò)運行良好。

2.3 BP神經(jīng)網(wǎng)絡(luò)在染整工藝上應用

BP神經(jīng)網(wǎng)絡(luò)在染整過程中的研究主要有計算機染色配色和預測織物K／S值。

李莉，張秉森［26］利用BP神經(jīng)網(wǎng)絡(luò)建立染料濃度與三刺激值的關(guān)系，對計算機染色進行了初步研究。王巍娟等［27］人依據(jù)計算機配色理論，提出了一種基于隱層輸出反饋改進的BP網(wǎng)絡(luò)訓練算法應用于織物染色配色的算法，并按照此算法進行了織物染色的計算機配色實驗。實驗驗證了人工神經(jīng)網(wǎng)絡(luò)算法在織物染色配色中應用的可靠性。王匯鋒等［28］人通過CCD數(shù)碼相機代替?zhèn)鹘y(tǒng)的光譜光度計作為系統(tǒng)的成像攝入部分，采用BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)對顏色進行識別、分類，并實現(xiàn)了配色。

姜會鈺，楊鋒等［29］人將不同的活性染料染色工藝參數(shù)和對應的染色織物K／S值輸入神經(jīng)網(wǎng)絡(luò)作為訓練，再輸入其它染色參數(shù)值，預測染色織物K／S值。結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)預測結(jié)果和試驗值的相關(guān)系數(shù)達到了0.995。

2.4 BP神經(jīng)網(wǎng)絡(luò)在服裝中的應用

BP神經(jīng)網(wǎng)絡(luò)作為一種新的信息處理方法和處理非線性不確定性問題的強大工具在服裝上也有廣泛用途，如服裝樣板設(shè)計、服裝流行款式及流行色的預測、服裝加工性能控制等

吳俊，溫盛軍［30］將西裝成品規(guī)格尺寸作為輸入?yún)?shù)，細部規(guī)格尺寸作為輸出參數(shù)，逐點訓練神經(jīng)網(wǎng)絡(luò)，研究其非線性映射關(guān)系，建立西服樣板設(shè)計的BP神經(jīng)網(wǎng)絡(luò)模型。

狄宏靜，劉冬云等［31］人運用BP神經(jīng)網(wǎng)絡(luò)任意函數(shù)模擬功能，在分析流行色周期變化的基礎(chǔ)上，建立4年為1個預測周期的滑動窗模型，全面而連續(xù)地預測了流行色。

3 結(jié)論

BP神經(jīng)網(wǎng)絡(luò)具有并行處理的功能和良好的非線性映射逼近性能，廣泛地應用到各個領(lǐng)域處理復雜的非線性問題。但人工神經(jīng)網(wǎng)絡(luò)在紡織服裝方面的應用與在其他各領(lǐng)域的應用相比還處于起步階段。許多方面的研究還有待于深化，如基于人工神經(jīng)網(wǎng)絡(luò)的計算機自動控制系統(tǒng)（紡紗、整經(jīng)等工序）的研究等。隨著人工神經(jīng)網(wǎng)絡(luò)軟件和硬件功能的不斷提高，BP神經(jīng)網(wǎng)絡(luò)技術(shù)將成為紡織領(lǐng)域強有力的工具。

［1］劉會燈，朱飛.MATLAB編程基礎(chǔ)與典型應用［M］.北京：人民郵電出版社，2008.

［2］張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及應用［M］.上海：復旦大學出版社，1993.

［3］Stephen J.Chapman，MATLAB Programming for Engineers（Second Edition）［M］.Australia：CL－Engineering，2008.

［4］姚志利，歐建文.BP神經(jīng)網(wǎng)絡(luò)在洗毛工藝中的應用［J］.山東紡織科技，2009，（2）：39—41.

［5］吳家碚.電子清紗器神經(jīng)網(wǎng)絡(luò)實現(xiàn)方案［D］.四川：西南交通大學，2006.

［6］李惠軍，朱磊.基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線毛羽預測研究［J］.棉紡織技術(shù)，2011，39（1）：39—41.

［7］董奎勇，楊萍.預報細紗條干不勻率的BP神經(jīng)網(wǎng)絡(luò)方法［J］.北京紡織，2002，23（5）：56—59.

［8］聶瓊.基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線強度CV值預測研究［J］.輕紡工業(yè)與技術(shù)，2011，40（5）：102—104.

［9］談洪珞.用神經(jīng)網(wǎng)絡(luò)來預測縷紗強力［J］.山東紡織科技，2004，（2）：51—53.

［10］郝海濤，謝春萍.利用AFIS與神經(jīng)網(wǎng)絡(luò)預測紗線強力［J］.上海紡織科技，2003，31（4）：61—63.

［11］張美忠，吳磊.基于BP神經(jīng)網(wǎng)絡(luò)的股線力學性能數(shù)值預報［J］.東華大學學報（自然科學版），2004，30（3）：97—100.

［12］劉貴，于偉東.毛精紡前紡工藝參數(shù)重要性的BP網(wǎng)絡(luò)定量評價法［J］.紡織學報，2008，29（1）：34—37.

［13］林森.紗線橫截面圖像中的材質(zhì)識別［J］.南通紡織職業(yè)技術(shù)學院學報（綜合版），2011，11（2）：18—21.

［14］楊艷菲，崔世忠等.BP神經(jīng)網(wǎng)絡(luò)預測上漿率［J］.紡織學報，2006，27（10）：57—59.

［15］張林龍.神經(jīng)網(wǎng)絡(luò)技術(shù)在漿紗質(zhì)量預測中的應用研究［D］.江蘇：蘇州大學，2006.

［16］劉建立，左保齊.BP神經(jīng)網(wǎng)絡(luò)在織物疵點識別中的應用［J］.紡織學報，2008，29（9）：43—46.

［17］成玲，萬振凱，等.基于神經(jīng)網(wǎng)絡(luò)的織物風格識別系統(tǒng)探討［J］.紡織學報，2002，23（3）：69—70.

［18］曹建達，顧小軍，殷聯(lián)甫.用BP神經(jīng)網(wǎng)絡(luò)預測棉織物的手感［J］.紡織學報，2006，24（6）：35—37.

［19］曹建達.BP神經(jīng)網(wǎng)絡(luò)預測棉織物懸垂性能［J］.上海紡織科技，2003，31（4）：59—60.

［20］裴華強，鄭德均.基于神經(jīng)網(wǎng)絡(luò)的織物折皺回復性能預測［J］.紡織科技進展，2008，（6）：56—59.

［21］梅興波，顧伯洪.BP神經(jīng)網(wǎng)絡(luò)預測織物拉伸性能［J］.東華大學學報（自然科學版），2001，27（3）：64—67.

［22］徐廣標，王府梅，等.基于神經(jīng)網(wǎng)絡(luò)的織物剪切性能的預測研究［J］.東華大學學報（自然科學版），2004，30（3）：109—113.

［23］楚艷艷，汪青，等.BP人工神經(jīng)網(wǎng)絡(luò)在估計織物熱濕阻方面的應用［J］.中原工學院學報，2006，17（4）：9—11.

［24］曹建達.棉織物透氣性能的BP神經(jīng)網(wǎng)絡(luò)預測研究［J］.棉紡織技術(shù)，2003，31（11）：19—21.

［25］徐光標，王府梅.基于BP神經(jīng)網(wǎng)絡(luò)的精紡毛織物透氣性能的預測［J］.毛紡科技，2008，（2）：54—56.

［26］李莉，張秉森.基于BP神經(jīng)網(wǎng)絡(luò)的織物染色計算機配色方法研究［J］.系統(tǒng)仿真技術(shù)，2006，2（4）：217—221.

［27］王巍娟，等.隱層改進的BP網(wǎng)絡(luò)在織物染色配色中的應用［J］.青島大學學報（工程技術(shù)版），2008，23（4）：40—44.

［28］王匯鋒，等.基于人工神經(jīng)網(wǎng)絡(luò)的顏色識別方法在毛紡測配色系統(tǒng)中的應用［J］.毛紡科技，2006，（1）：14—16.

［29］姜會鈺，楊鋒，等.BP神經(jīng)網(wǎng)絡(luò)預測活性染色織物K／S值［J］.印染，2007，（9）：23—24.

［30］吳俊、溫盛軍.BP神經(jīng)網(wǎng)絡(luò)在西服樣板設(shè)計中的應用［J］.紡織學報，2008，29（9）：113—116.

［31］狄宏靜，劉冬云，等.基于BP神經(jīng)網(wǎng)絡(luò)的春夏女裝流行色預測［J］.紡織學報，2011，32（7）：111—116.