孫浪濤，田 煒，柴旭陽，喻 莉

基于BP神經(jīng)網(wǎng)絡(luò)的棉織物透氣性能預(yù)測

孫浪濤，田 煒，柴旭陽，喻 莉

（泉州師范學(xué)院 紡織與服裝學(xué)院，福建 泉州 362000）

為了研究棉織物結(jié)構(gòu)參數(shù)與透氣率之間的關(guān)系，選取20種純棉平紋織物作為樣本，測試織物結(jié)構(gòu)及透氣率，采用三層BP神經(jīng)網(wǎng)絡(luò)方法，建立織物結(jié)構(gòu)參數(shù)與織物透氣率之間的關(guān)系模型，重新采集5種織物對建立的網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證。結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)可用于棉織物的透氣率預(yù)測，以織物經(jīng)密、織物緯密、經(jīng)紗表觀直徑、緯紗表觀直徑、平方米重量、厚度、總緊度為輸入變量，隱層神經(jīng)元數(shù)為4，得到織物透氣率模型的預(yù)測值與實(shí)測值的相關(guān)系數(shù)為0.877 6，預(yù)測誤差范圍為10.33%-24.76%，平均誤差為17.60%，表明BP神經(jīng)網(wǎng)絡(luò)模型在一定程度上能夠預(yù)測棉織物的透氣率。

透氣性；BP神經(jīng)網(wǎng)絡(luò)；純棉織物；結(jié)構(gòu)參數(shù)

織物透氣性是指織物兩側(cè)存在壓差時，空氣透過織物的能力，通常采用透氣率來表示。透氣率是在規(guī)定的試樣面積、壓降和時間條件下，氣流垂直通過試樣的速率[1]。空氣透過織物的主要途徑有織物內(nèi)紗線間孔隙及紗線內(nèi)纖維間孔隙兩種，一般以前者為主[2]?？椢飪?nèi)紗線間的孔隙大多是相互貫通的，當(dāng)織物兩側(cè)壓差較小、氣流速度較低時，在織物紗線孔隙表面形成附面層，孔隙中心流速最大，形成層流運(yùn)動。但實(shí)際上孔隙從織物一側(cè)到另一側(cè)，孔徑先減小后增大，使得氣體流經(jīng)織物常產(chǎn)生渦流，形成紊流運(yùn)動[3]。另外，由于紗線變形及相互擠壓，纖維間孔隙和紗線間孔徑的大小和形狀不規(guī)則，以及織物組織、幾何結(jié)構(gòu)相、浮長線、紗線毛羽、線圈及織物后整理等因素的影響，使得織物透氣性研究變得復(fù)雜。目前，關(guān)于織物透氣性的預(yù)測研究主要以公式計(jì)算法為主，采用流體力學(xué)理論進(jìn)行織物透氣性計(jì)算，結(jié)合織物結(jié)構(gòu)參數(shù)擬合得出預(yù)測公式，求得透氣性預(yù)測值[3-4]。而BP神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的信息綜合能力，能同時處理定性及定量信息，協(xié)調(diào)多種輸入信息關(guān)系，適用于處理復(fù)雜非線性和不確定對象[5-6]。筆者采用BP神經(jīng)網(wǎng)絡(luò)方法對純棉平紋織物透氣性進(jìn)行預(yù)測研究，建立純棉平紋織物結(jié)構(gòu)參數(shù)與織物透氣性之間的神經(jīng)網(wǎng)絡(luò)模型，并選取驗(yàn)證樣品驗(yàn)證模型的精確度，可以為人工神經(jīng)網(wǎng)絡(luò)方法在織物透氣性能預(yù)測方面的研究提供參考，對紡織品的生產(chǎn)及使用具有指導(dǎo)意義。

1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種前饋式、學(xué)習(xí)算法，是一種反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)，處理時不需要精確模型，僅需要大量的原始數(shù)據(jù)，通過樣本數(shù)據(jù)的訓(xùn)練，不斷修正網(wǎng)絡(luò)權(quán)值和閥值，使誤差函數(shù)沿負(fù)梯度方向下降，逼近任意復(fù)雜的非線性輸出值，最終以一種并不精確的輸入及輸出值描述出來[7]。

BP神經(jīng)網(wǎng)絡(luò)常選用的節(jié)點(diǎn)激勵函數(shù)為S型傳遞函數(shù)

該算法的學(xué)習(xí)過程由正向和反向傳播組成。其中，正向傳播即為輸入信息由輸出層經(jīng)隱含層處理，最終由輸出層輸出，每層神經(jīng)元只對下一層神經(jīng)元有影響。當(dāng)輸出層得不到期望輸出值時，則由正向傳播轉(zhuǎn)為反向傳播，誤差信號也由輸出層向輸入層傳播，并調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閥值，使誤差函數(shù)達(dá)到極小[10]。反傳導(dǎo)誤差函數(shù)：

式中：T為期望輸出；O為網(wǎng)絡(luò)的計(jì)算輸出。

2 實(shí)驗(yàn)

2.1 材料與儀器設(shè)備

（1）材料：純棉平紋織物20種。

（2）儀器設(shè)備：YG461E型數(shù)字式織物透氣量儀（泉州市美邦儀器有限公司），YG002型纖維細(xì)度綜合分析儀（泉州市美邦儀器有限公司），YG141D型數(shù)字式織物厚度儀（泉州市美邦儀器有限公司），Y511B型織物密度鏡，電子天平等。

2.2 測試方法

2.2.1 織物透氣率測試

按照GB/T5453-1997《紡織品織物透氣性的測試》，采用YG461E型數(shù)字式織物透氣量儀測試織物透氣率，試樣面積為20 cm2，壓降100 Pa，同一樣品測試10次，取平均值。

2.2.2 織物厚度測試

按照GB/T3820-1997《紡織品和紡織制品厚度的測定》，采用YG141D型數(shù)字式織物厚度儀測量織物厚度，壓腳面積2000 mm2，壓力100 cN，加壓時間30 s，同一樣品測試5次，取平均值。

2.2.3 紗線表觀直徑測試

采用YG002型纖維細(xì)度綜合分析儀拍攝織物表面結(jié)構(gòu)圖片，測量織物中紗線的表觀直徑，同一樣品測試20次，取平均值。

2.2.4 織物密度測試

表1 試樣結(jié)構(gòu)參數(shù)

采用Y511B型織物密度鏡測量織物經(jīng)緯密度。

2.2.5 織物面積質(zhì)量測試

按照GB/T4669-2008《紡織品機(jī)織物單位長度質(zhì)量和單位面積質(zhì)量的測定》進(jìn)行測試。

通過實(shí)驗(yàn)，測得織物結(jié)構(gòu)參數(shù)如表1所示。

3 織物透氣性預(yù)測模型的建立

織物透氣性預(yù)測神經(jīng)網(wǎng)絡(luò)模型選取織物經(jīng)密、織物緯密、經(jīng)紗表觀直徑、緯紗表觀直徑、平方米重量、厚度、總緊度為神經(jīng)元的輸入層，選取實(shí)測透氣率為神經(jīng)元的輸出層，即輸入神經(jīng)元個數(shù)為7，輸出神經(jīng)元個數(shù)為1，隱層神經(jīng)元個數(shù)初定選取3-9的常數(shù)，選擇S型正切函數(shù)tansig作為隱層神經(jīng)元的激勵函數(shù)，根據(jù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果選取最佳隱層神經(jīng)元數(shù)。

采用Matlab軟件對20種純棉平紋織物的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，尋求最優(yōu)模型，最佳網(wǎng)絡(luò)模型參數(shù)設(shè)置為隱層神經(jīng)元數(shù)選取4，顯示頻率為500，最大訓(xùn)練次數(shù)為5 000，收斂誤差為1×10-7，學(xué)習(xí)率為0.1，經(jīng)過多次訓(xùn)練得到相對穩(wěn)定的網(wǎng)絡(luò)模型。

4 BP神經(jīng)網(wǎng)絡(luò)模型的驗(yàn)證

重新選取5種純棉平紋織物，其參數(shù)如表2所示。根據(jù)建立的織物透氣率預(yù)測模型預(yù)測驗(yàn)證樣的透氣率，結(jié)果如圖1所示。

表2 驗(yàn)證樣參數(shù)

圖1 透氣率實(shí)測值與預(yù)測值的相關(guān)性

根據(jù)圖1可知，織物透氣率實(shí)測值與預(yù)測值的相關(guān)系數(shù)為0.877 6，表明實(shí)測值與預(yù)測值之間具有較好的相關(guān)性。通過計(jì)算可知，驗(yàn)證樣織物透氣率預(yù)測的誤差范圍為10.33%-24.76%，平均誤差為17.60%，表明BP神經(jīng)網(wǎng)絡(luò)模型在一定程度上能夠?qū)兠奁郊y織物透氣率預(yù)測。

5 結(jié)語

對20種純棉平紋織物進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，選取織物經(jīng)密、織物緯密、經(jīng)紗表觀直徑、緯紗表觀直徑、平方米重量、厚度、總緊度作為輸入變量，隱層神經(jīng)元個數(shù)為4，顯示頻率為500，最大訓(xùn)練次數(shù)為5 000，收斂誤差為1×10-7，學(xué)習(xí)率為0.1，得到相對穩(wěn)定的織物透氣率預(yù)測神經(jīng)網(wǎng)絡(luò)模型。重新采集5種試樣進(jìn)行驗(yàn)證，平均預(yù)測誤差為17.60%，表明建立的BP神經(jīng)網(wǎng)絡(luò)模型可以用于純棉平紋織物透氣率預(yù)測。

由于本實(shí)驗(yàn)?zāi)Ｐ偷臉颖緮?shù)量偏少，且織物透氣性的影響因素較多，因此建立的神經(jīng)網(wǎng)絡(luò)模型平均預(yù)測精度偏低，可以通過提高樣本容量、增加網(wǎng)絡(luò)輸入變量、去除相關(guān)性高的輸入因子、改善網(wǎng)絡(luò)結(jié)構(gòu)等方式來增強(qiáng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的精度及泛化能力。

[1] 賈亞楠. 消防服隔熱層的產(chǎn)品設(shè)計(jì)及工藝性能研究[D]. 上海: 東華大學(xué)，2016.

[2] 孫浪濤. 純棉機(jī)織物結(jié)構(gòu)與透氣性關(guān)系研究[J]. 武漢紡織大學(xué)學(xué)報，2018，31(6)：11-14.

[3] 孫浪濤. 純棉機(jī)織物透氣性預(yù)測[J]. 西安工程大學(xué)學(xué)報，2018，32(5)：495-501.

[4] 徐瑤瑤，朱俐莎，杜磊，等. 棉織物透氣性能的預(yù)測研究[J]. 現(xiàn)代紡織技術(shù)，2015，23(3)：26-30.

[5] 趙敏，許家驊，肖沖.BP神經(jīng)網(wǎng)絡(luò)預(yù)測降落傘綢透氣性的研究[J]. 產(chǎn)業(yè)用紡織品，2008，26（8）：22-25.

[6] 王健，張曉麗，劉陶. 機(jī)織物透氣性預(yù)測的投影尋蹤回歸模型[J]. 紡織學(xué)報，2011，32(8)：46-49.

[7] 馬銳. 人工神經(jīng)網(wǎng)絡(luò)原理[M]. 北京：機(jī)械工業(yè)出版社，2014.

[8] 丁碩，巫慶輝. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近性能對比研究[J]. 計(jì)算機(jī)與現(xiàn)代化，2012，14（11）：10-13. 17.

[9] 梅興波，顧伯洪.BP神經(jīng)網(wǎng)絡(luò)預(yù)測織物拉伸性能[J]. 東華大學(xué)學(xué)報，2003，27（3）：64-67.

[10] 肖繼海，崔曉紅，戴晉明.BP神經(jīng)網(wǎng)絡(luò)在織物性能預(yù)測中的應(yīng)用與研究[J]. 電腦與信息技術(shù)，2009，16（6）：29-33.

Prediction of Air Permeability of Cotton Fabrics using BP Neural Network

SUN Lang-tao, TIAN Wei, CHAI Xu-yang, YU Li

(College of Textiles and Apparel, Quanzhou Normal University, Quanzhou Fujian 362000, China)

In order to study the relationship between structural parameters and air permeability of cotton fabric, the 20 kinds of cotton plain fabrics were selected as samples to test the air permeability and structure of fabric. A three-layer BP neural network was used to model the relationship between fabric structure parameters and air permeability, the network model was verified by recollecting 5 kinds of fabrics. The result showed that BP neural network can be used to predict the air permeability of cotton fabric, the input variables are warp density, weft density, apparent diameter of warp yarn, apparent diameter of weft yarn, weight per square meter, thickness and the total tightness, the number of neurons in the hidden layer is 4, the complex correlation coefficient between the predicted value and the measured value of the fabric air permeability model was 0.8776, the prediction error range is 10.33%-24.76%, the average error is 17.60%, the results show that BP neural network model can predict the air permeability of cotton fabrics.

air permeability; BP neural network; cotton fabric; structural parameter

孫浪濤（1986-），男，講師，研究方向：功能性紡織產(chǎn)品的研究與開發(fā).

福建省中青年教師教育科研項(xiàng)目資助（JAT170497）.

TS116

A

2095－414X(2020)04－0015－04