遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的紡熔無(wú)紡布性能預(yù)測(cè)

張偉國(guó)，陳長(zhǎng)潔

（1.南通醋酸纖維有限公司紡絲生產(chǎn)部，江蘇 南通 226000；2.東華大學(xué) 紡織學(xué)院，上海 201620）

紡熔復(fù)合無(wú)紡布（Spunbond Meltblown Spunbond Nonwovens，SMS）是由外層紡黏無(wú)紡布和中間層熔噴無(wú)紡布經(jīng)過(guò)復(fù)合加工而成，是醫(yī)療和衛(wèi)生的主體材料，綜合了紡黏和熔噴二者的優(yōu)勢(shì)：既具有較高的機(jī)械性能（高強(qiáng)度），對(duì)微小的固體顆粒、液體等也有著較高的阻隔性[高耐靜水壓（HSH）][1-2]。紡熔復(fù)合無(wú)紡布的性能受到原料特性、紡絲溫度、擠出量、熱軋機(jī)溫度、熱軋機(jī)壓力、冷卻風(fēng)溫度、冷卻風(fēng)風(fēng)壓等參數(shù)的影響，各因素之間相互作用，通過(guò)重復(fù)實(shí)驗(yàn)的方式對(duì)工藝進(jìn)行優(yōu)化，效率低且難度大[3-5]。

BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）即反向傳播神經(jīng)網(wǎng)絡(luò)，是以互連的神經(jīng)元來(lái)模擬大腦的學(xué)習(xí)過(guò)程。本研究選取對(duì)SMS產(chǎn)品性能影響較大的紡黏計(jì)量泵轉(zhuǎn)速、熔噴計(jì)量泵轉(zhuǎn)速、熱軋溫度、熱軋壓力和克重5種工藝參數(shù)作為輸入值[6]，機(jī)械方向斷裂強(qiáng)力（以下簡(jiǎn)稱MD強(qiáng)力）和耐靜水壓（以下簡(jiǎn)稱HSH）等作為輸出值，通過(guò)BP神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測(cè)模型，并在已經(jīng)建立的 BP網(wǎng)絡(luò)基礎(chǔ)上通過(guò)GA優(yōu)化，討論對(duì)兩大輸出性能的預(yù)測(cè)效果。

1 紡熔無(wú)紡布實(shí)驗(yàn)

1.1 生產(chǎn)設(shè)備

實(shí)驗(yàn)中，紡熔無(wú)紡布生產(chǎn)設(shè)備為萊芬豪舍的RF4型SMMMS五模頭紡熔無(wú)紡布生產(chǎn)線，5個(gè)模頭依次編號(hào)為A、B、C、D、E，其中，A、E為兩個(gè)紡黏頭，B、C、D為中間的熔噴頭。

1.2 材料

實(shí)驗(yàn)的原材料為聚丙烯，紡黏料的熔融指數(shù)為（36±3）g/10 min；熔噴料熔融指數(shù)為（950±50）g/10 min。

1.3 測(cè)試方法

實(shí)驗(yàn)樣品的斷裂強(qiáng)力和耐靜水壓測(cè)試分別參照GB/T 3923.1—2013《紡織品 織物拉伸性能 第1部分：斷裂強(qiáng)力和斷裂伸長(zhǎng)率的測(cè)定（條樣法）》和GB/T 4744—2013《紡織品 防水性能的檢測(cè)和評(píng)價(jià) 靜水壓法》。

2 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建

使用MATLAB建立預(yù)測(cè)模型，輸入向量是A/E擠出量、B/C/D擠出量、熱軋機(jī)溫度、熱軋機(jī)壓力和克重，是七維向量；輸出向量是MD（Machine Direction）強(qiáng)力和HSH（High Hydrostatic Pressure Resistance），是二維向量。隱含層單元數(shù)根據(jù)kolmogorov定理的參考公式（1）[7]確定：

式中：a為1~10的常數(shù)，m為輸入層神經(jīng)元的數(shù)量，n為隱含層節(jié)點(diǎn)數(shù)，k為輸出層神經(jīng)元數(shù)量。

經(jīng)實(shí)驗(yàn)確定，隱含層節(jié)點(diǎn)數(shù)取13較為合適。所以，在這里引入了“7-13-2”結(jié)構(gòu)的網(wǎng)絡(luò)模型，輸入層到隱含層使用“tansig”函數(shù)傳遞，隱含層到輸出層使用“purelin”函數(shù)傳遞。實(shí)驗(yàn)共采用114組原始數(shù)據(jù)，隨機(jī)抽取22組數(shù)據(jù)進(jìn)行驗(yàn)證，其余92組數(shù)據(jù)用來(lái)構(gòu)建神經(jīng)網(wǎng)絡(luò)。

3 遺傳算法優(yōu)化

遺傳算法根據(jù)每組實(shí)驗(yàn)數(shù)據(jù)對(duì)應(yīng)的適應(yīng)度函數(shù)值的大小來(lái)判斷實(shí)驗(yàn)數(shù)據(jù)質(zhì)量的優(yōu)劣。如果個(gè)體的適應(yīng)度值大，則有較大可能繁衍至下一代，一般選擇超過(guò)群體平均適應(yīng)度值的個(gè)體進(jìn)行交叉、低于這一值的個(gè)體進(jìn)行變異。通過(guò)交叉和變異，后代的平均適應(yīng)度值得到持續(xù)提高，即后代個(gè)體的性能變得更優(yōu)。實(shí)驗(yàn)使用式（2）作為適應(yīng)度函數(shù)，以真實(shí)值與預(yù)測(cè)值的誤差矩陣的范數(shù)作為輸出[8]。

式中：h(x)(i)為模型預(yù)測(cè)輸出值，y(i)為實(shí)驗(yàn)值。

遺傳算法先進(jìn)行參數(shù)的初始化操作，如代溝概率、進(jìn)化代數(shù)、交叉概率等（圖1）。實(shí)驗(yàn)期間，各個(gè)參數(shù)的選擇：算法結(jié)束的條件—100代；變異概率—0.01；代溝概率—0.95；交叉概率-0.7；種群規(guī)模—40。

圖1 遺傳算法優(yōu)化流程

以式（3）的值來(lái)討論神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果，絕對(duì)百分比誤差為：

4 結(jié)果與分析

實(shí)驗(yàn)測(cè)得的MD強(qiáng)力值和預(yù)測(cè)的MD強(qiáng)力值對(duì)比結(jié)果如圖2所示，可以看到兩種網(wǎng)絡(luò)模型的預(yù)測(cè)值均與實(shí)驗(yàn)值接近或重合，表明兩種網(wǎng)絡(luò)對(duì)MD強(qiáng)力均能實(shí)現(xiàn)較好的預(yù)測(cè)。

圖2 MD強(qiáng)力的真實(shí)值和預(yù)測(cè)值

引入實(shí)驗(yàn)測(cè)得的HSH值和GA優(yōu)化后的神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值，結(jié)果如圖3所示，可以看到預(yù)測(cè)值也與實(shí)驗(yàn)值有很高的吻合度。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，實(shí)驗(yàn)值與預(yù)測(cè)值最小誤差為0.72；GA優(yōu)化后再預(yù)測(cè)時(shí)，最小誤差為0.23，兩種網(wǎng)絡(luò)對(duì)HSH均能實(shí)現(xiàn)較好的預(yù)測(cè)。

圖3 HSH的測(cè)試結(jié)果和預(yù)測(cè)結(jié)果

從圖4~5可以得出，BP神經(jīng)網(wǎng)絡(luò)和GA優(yōu)化后的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際值的絕對(duì)百分比誤差，BP神經(jīng)網(wǎng)絡(luò)對(duì)紡熔非織造材料的MD強(qiáng)力和HSH的測(cè)試結(jié)果的最大絕對(duì)百分比誤差均小于6%；GA優(yōu)化神經(jīng)網(wǎng)絡(luò)對(duì)MD強(qiáng)力和HSH的測(cè)試結(jié)果的最大絕對(duì)百分比誤差均小于5%。兩種預(yù)測(cè)方式均能滿足實(shí)驗(yàn)產(chǎn)品開(kāi)發(fā)和生產(chǎn)的需要，GA優(yōu)化后的模型具有更強(qiáng)的適用性。

圖4 BP神經(jīng)網(wǎng)絡(luò)與GA優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)MD強(qiáng)力絕對(duì)百分比誤差對(duì)比

圖5 BP神經(jīng)網(wǎng)絡(luò)與GA優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)HSH絕對(duì)百分比誤差對(duì)比

5 結(jié)語(yǔ)

就紡熔復(fù)合無(wú)紡布來(lái)看，通過(guò)對(duì)工藝參數(shù)、性能指標(biāo)的對(duì)比分析，可以引入隱含層神經(jīng)元數(shù)為13的3層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)。未經(jīng)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的紡熔無(wú)紡布MD強(qiáng)力和HSH平均誤差不超過(guò)6%。通過(guò)遺傳算法優(yōu)化權(quán)值和閾值后，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果變得更加精確，相應(yīng)的預(yù)測(cè)MD強(qiáng)力、HSH平均誤差不會(huì)大于5%。因此，經(jīng)過(guò)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)能更好地滿足紡熔無(wú)紡布在開(kāi)發(fā)和生產(chǎn)中的需求。