基于BP神經(jīng)網(wǎng)絡預測普梳純棉紗斷裂強力

楊　陳

(江西服裝學院， 江西 南昌 330201)

基于BP神經(jīng)網(wǎng)絡預測普梳純棉紗斷裂強力

楊陳

(江西服裝學院， 江西 南昌 330201)

通過構建BP神經(jīng)網(wǎng)絡模型，尋求棉纖維斷裂比強力、細度、長度、表面摩擦系數(shù)、紗線捻度、毛羽量及條干均勻度與普梳純棉紗斷裂強力之間的關系。

BP神經(jīng)網(wǎng)絡；棉紗；斷裂強力；影響因素

紗線的斷裂強力即紗線在受力條件下保持紗線力學特性的一個重要性能指標，它不僅能夠影響紗線在織造過程中上機工藝的設計，還能夠影響織物的力學性能、耐磨、起毛起球等多項織物服用性能指標[1]。影響紗線斷裂強力的因素眾多，對普梳純棉紗而言，影響棉紗斷裂強力的因素主要由棉纖維本身的強度、棉纖維的細度、棉纖維的長度、棉纖維表面摩擦系數(shù)、紗線的捻度、棉紗的毛羽數(shù)量及條干均勻度等7個主要因素，可以說棉紗的斷裂強力是由一個多自變量因素構成的目標函數(shù)。本文通過BP神經(jīng)網(wǎng)絡構建棉紗斷裂強度與多自變量影響因素的BP神經(jīng)網(wǎng)絡模型以預測棉紗與多自變量影響因素之間的函數(shù)關系，進而對普梳純棉紗的斷裂強力在紡制前能夠定量地精確分析，為生產(chǎn)實踐提供一定的參考依據(jù)。

1　BP神經(jīng)網(wǎng)絡工作原理

Back Propagation(BP)神經(jīng)網(wǎng)絡是由McCelland和Rumelhart提出的一種無須事前分析計算目標函數(shù)與多自變量因素中的每個因素之間的函數(shù)關系，而是從網(wǎng)絡層面通過網(wǎng)絡函數(shù)關系誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆佊成浣⑵饋淼木W(wǎng)絡函數(shù)關系。BP神經(jīng)網(wǎng)絡的使用可以在構建目標函數(shù)與多因素自變量函數(shù)反向傳播誤差運算時，不斷調整目標函數(shù)與多因素自變量函數(shù)網(wǎng)絡的閥值與權值，而使得函數(shù)模型的誤差平方和最小，從而獲得較高的相關性[2～3]。BP神經(jīng)網(wǎng)絡的模型的結構主要包含函數(shù)關系的輸入層、隱層與輸出層，其主要的工作原理是通過大量自變量信息協(xié)同處理的一個非線性函數(shù)關系系統(tǒng)。目標函數(shù)的輸出層每經(jīng)過一次訓練后，即把所得期望值與實際輸出的差距通過BP神經(jīng)網(wǎng)絡反向傳播，進而對自變量函數(shù)進行調整，通過中間隱層函數(shù)可以不斷調整目標函數(shù)模擬的閥值與權值進而不斷提高目標函數(shù)與實際測試值之間的相關性。

2　實驗部分

2.1實驗材料及儀器

實驗材料為棉纖維與由該棉纖維紡制出來的18.2 tex的普梳棉紗，儀器為Y162A型束纖維強力機、Y151型纖維摩擦系數(shù)測定儀、LL881Y-4型電熱恒溫鼓風干燥箱、HFB-408S可程式恒溫恒濕試驗箱、Y331A型電子紗線捻度儀、Y162A型束纖維強力機、PTT-A+200千分之一電子天平、YG171D型紗線毛羽測試儀、YG133型條干均勻度儀。

2.2實驗方法

2.2.1棉纖維影響因素指標測試

將棉纖維在溫度105℃的LL881Y-4型電熱恒溫鼓風干燥箱中烘至恒重后，將其放置到溫度為20℃，相對濕度為65%的HFB-408S可程式恒溫恒濕試驗箱中平衡24 h，以下實驗測定數(shù)據(jù)的棉纖維均是使用經(jīng)標準大氣壓平衡后的棉纖維。

(1)棉纖維斷裂強力測試

利用Y162A型束纖維強力機夾持棉樣為8 mm，棉束寬帶為4 mm，斷裂強力精確為9.8 cN，下降速度為300 mm/min條件下測試棉纖維的斷裂強力，實驗次數(shù)為45組。

(2)棉纖維細度測試

利用PTT-A+200千分之一電子天平稱取平衡后的棉纖維稱取8～10 mg，棉纖維根數(shù)在1500～2000根，利用中段稱重法測試棉纖維的平均細度，實驗次數(shù)為45組。

(3)棉纖維長度測試

利用PTT-A+200千分之一電子天平稱取平衡后的棉纖維50 mg，采取羅拉法棉纖維長度測試的方法測試棉纖維的長度，實驗次數(shù)為45組。

(4)棉纖維表面摩擦系數(shù)測試

參照實驗說明書，制作棉纖維輥，使用Y151型纖維摩擦系數(shù)測定儀測定棉纖維與棉纖維輥之間的纖維表面摩擦系數(shù)，測定過程中張力夾選擇100 mg，棉纖維動態(tài)表面摩擦系數(shù)測定過程中，纖維輥的轉速為30 rpm，靜態(tài)表面摩擦系數(shù)測定過程中，保持棉纖維轉速為0，記錄棉纖維與棉纖維輥瞬間滑移時的扭力天平計數(shù)，棉纖維的動態(tài)與靜態(tài)表面摩擦系數(shù)均測試45組。

2.2.2棉紗影響因素指標測試

將普梳純棉紗在溫度105℃的LL881Y-4型電熱恒溫鼓風干燥箱中烘至恒重后，將其放置到溫度為20℃，相對濕度為65%的HFB-408S可程式恒溫恒濕試驗箱中平衡24 h。分別采用加捻退捻法使用Y331A型電子紗線捻度儀測試棉紗的捻度，使用YG171D型紗線毛羽測試儀測試毛羽指數(shù)，使用YG133型條干均勻度儀測試棉紗的條干均勻度。

2.3實驗數(shù)據(jù)的處理

棉纖維斷裂比強度(cN/dtex)、棉纖維細度(dtex)、棉纖維長度(mm)、棉纖維表面摩擦系數(shù)、紗線捻度(捻/10cm)、棉紗毛羽數(shù)量及條干均勻度(%)等7個影響因素的數(shù)據(jù)指標參數(shù)如表1所示。

表1　影響普梳純棉紗斷裂強力因素指標參數(shù)

本次實驗棉紗數(shù)據(jù)組數(shù)共45組，其中9組數(shù)據(jù)為測試數(shù)據(jù)，另外36組數(shù)據(jù)為BP神經(jīng)網(wǎng)絡訓練數(shù)據(jù)。BP神經(jīng)網(wǎng)絡模型構建前，首先對所收集實驗數(shù)據(jù)均按照最大值為1，最小值為0設置，將目標變化與各自變量實驗數(shù)據(jù)按照公式1進行歸一化處理，使之均在[0,1]的區(qū)間范圍內[4]。本次研究所構建的神經(jīng)網(wǎng)絡模型為3層BP神經(jīng)網(wǎng)絡模型，BP神經(jīng)網(wǎng)絡模型中的目標函數(shù)即為棉紗斷裂強力，而自變量因素為上述所收集的7個棉紗強力影響因素指標(BP神經(jīng)網(wǎng)絡隱層神經(jīng)元數(shù)目的多少是根據(jù)公式2確定的，隱層神經(jīng)元過多會引起學習時間過長而導致目標函數(shù)與多因素自變量之間過度擬合的情況發(fā)生，而隱層神經(jīng)元數(shù)目過少又會導致BP神經(jīng)網(wǎng)絡模型精度的下降，因此，依據(jù)公式2確定隱層神經(jīng)元數(shù)目為4～13個較為合適)。

(1)

其中，xi—目標函數(shù)及各自變量歸一后數(shù)據(jù)，數(shù)據(jù)分布的區(qū)間為[0,1]；x—未經(jīng)歸一化處理的目標函數(shù)及各自變量；xmin—未經(jīng)歸一化處理的目標函數(shù)及各自變量數(shù)據(jù)中的最小值；xmax—未經(jīng)歸一化處理的目標函數(shù)及各自變量數(shù)據(jù)中的最大值

(2)

其中，n1—BP神經(jīng)網(wǎng)絡模型中隱層神經(jīng)元數(shù)；n—BP神經(jīng)網(wǎng)絡模型中輸入層神經(jīng)元數(shù)；m—BP神經(jīng)網(wǎng)絡模型中輸出層神經(jīng)元數(shù)；a—1～10之間的常數(shù)。

2.4BP神經(jīng)網(wǎng)絡模型構建編程

實驗數(shù)據(jù)歸一處理完成后，調用MATLAB中按照下列參數(shù)對BP神經(jīng)網(wǎng)絡模型進行構建，在神經(jīng)網(wǎng)絡模型中設置BP神經(jīng)網(wǎng)絡的層數(shù)為3層，其中輸出層所用傳遞函數(shù)為logsig(s型的對數(shù)函數(shù))，隱層傳遞函數(shù)為tansig(s型正切函數(shù))，訓練方法采用traing-cg算法，均方誤差采用mse函數(shù)算法。神經(jīng)網(wǎng)絡模型的算法采用標準的BP算法。數(shù)據(jù)訓練次數(shù)上限為50000次，數(shù)據(jù)預測精度為0.005。

3　實驗結果與BP神經(jīng)網(wǎng)絡模型分析

3.1BP神經(jīng)網(wǎng)絡模型隱層神經(jīng)元個數(shù)確定

以棉纖維的強度、棉纖維的細度、棉纖維的長度、棉纖維表面摩擦系數(shù)、紗線的捻度、棉紗的毛羽數(shù)量及條干均勻度等7個影響因素的數(shù)據(jù)為BP神經(jīng)網(wǎng)絡模型的輸入?yún)?shù)，以棉紗斷裂強力H為BP神經(jīng)網(wǎng)絡的輸出層參數(shù)，BP神經(jīng)網(wǎng)絡中隱層的神經(jīng)元個數(shù)的取值范圍在4～13區(qū)間變化，分別構建10個BP神經(jīng)棉紗斷裂強力BP神經(jīng)網(wǎng)絡模型。使用歸一處理后36組數(shù)據(jù)對所構建的BP神經(jīng)網(wǎng)絡模型進行訓練，訓練后統(tǒng)計不同隱層神經(jīng)元個數(shù)時BP神經(jīng)網(wǎng)絡的模型誤差。測試結果如圖1所示。從圖1可以明顯看出，當BP神經(jīng)網(wǎng)絡模型中隱層神經(jīng)元個數(shù)的數(shù)目為10個時，BP神經(jīng)網(wǎng)絡輸出層的均方誤差為0.02916，為該BP神經(jīng)網(wǎng)絡誤差的最小值。因此，確定為BP神經(jīng)網(wǎng)絡隱層神經(jīng)元個數(shù)為9個，構建BP神經(jīng)網(wǎng)絡模型結構為7-9-1。

3.2BP神經(jīng)網(wǎng)絡模型隱預測結果與實驗數(shù)據(jù)相關性

BP神經(jīng)網(wǎng)絡預測棉線斷裂強力預測值與棉紗斷裂強力實驗值結果如表2所示。使用公式3對BP神經(jīng)網(wǎng)絡模型隱預測結果與實驗數(shù)據(jù)相關性進行計算可知，BP神經(jīng)網(wǎng)絡模型隱預測結果與實驗數(shù)據(jù)相關性系數(shù)為0.91132。由此可知，在訓練次數(shù)為50000次，數(shù)據(jù)預測精度為0.005的條件下，BP神經(jīng)網(wǎng)絡模型對棉紗斷裂強力具有很強的預測性。

圖1　BP神經(jīng)網(wǎng)絡隱層神經(jīng)元個數(shù)與均方誤差關系曲線

(3)

其中，r-BP神經(jīng)網(wǎng)絡模型隱預測結果與實驗數(shù)據(jù)相關系數(shù)；x-BP神經(jīng)網(wǎng)絡預測棉線斷裂強力值/cN；y-棉紗斷裂強力實驗值/cN；n-實驗組數(shù)。

表2　BP神經(jīng)網(wǎng)絡預測棉線斷裂強力預測值與棉紗斷裂強力實驗值結果

4　結論

通過BP神經(jīng)網(wǎng)絡構建棉紗斷裂強力與棉纖維的強度、棉纖維的細度、棉纖維的長度、棉纖維表面摩擦系數(shù)、紗線的捻度、棉紗的毛羽數(shù)量及條干均勻度等7個影響因素網(wǎng)絡模型表明當BP神經(jīng)網(wǎng)絡模型中隱層神經(jīng)元個數(shù)為9個時，預測值與實驗值之間的誤差最小為0.02916，相關系數(shù)為0.91132，具有較強的預測性。

[1]毛萃萃，張弦，王廷榮.捻系數(shù)和毛羽值與棉紗強力的相關性分析[J].現(xiàn)代紡織技術，2012,32(1):1—3.

[2]張黎明，張秉森.改進LMNP神經(jīng)網(wǎng)絡在織物染色配色中的應用[J].青島大學學報(工程技術版)，2010,25(1): 15—17.

[3]史步海，朱學峰.LMBP神經(jīng)網(wǎng)絡改進算法的研究[J].控制工程，2008,15(2):164—167.

[4]Babay A, Cheikhrouhou M, Vermeulen B, et al.Selecting the optimal neural network architecture for predicting cotton yarn hairiness[J].Journal of the Textile Institute, 2005,96(3):185—192.

Predict Breaking Strength of Pure Cotton Carded Yarn by BP Neural Network

YangChen

(Jiangxi Institute of Fashion Technology, Nanchang 330201, China)

The model of BP neural network was set up to explore the the relation of breaking strength of pure cotton corded yarn with the factors of cotton fiber breaking strength,fineness,length,surface friction coefficient,yarn twist,hairiness and irregnlarity.

BP neural network;cotton yarn;breaking strength;influential factors

2015-07-19

楊陳(1980—)，男，重慶人，講師。

TS101.9

A

1009-3028(2015)06-0025-04