织物柔软度等级评价的BP网络方法.pdfVIP

2009年第6期 山东纺织科技 ．39． 织物柔软度等级 计算机应用 评价的BP网络方法 欧建文，李淑红，梁小平，樊小伟 (天津工业大学。天津300160) 摘 要：文章基于织物柔软度等级评价体系，建立一个织物力学指标与柔软度关系的BP神经网络 模型，对织物柔软度进行评价。借助KES-F风格仪测得的12组数据对BP神经网络进行训练，训练好 的模型对织物进行检验。结果表明：网络迅速完成训练，误差平方和低于10～；对检验用的织物进行等 级评价，其输出等级与综合评价等级保持一致。此方法客观、准确、简捷。 关键词：织物；柔软度；BP神经网络；评价方法 中图分类号：TPl83 文献标识码：A 文章编号：1009—3028(2009)06—0039-04 织物的柔软性与其弯曲性能、剪切性能和压 1 引言 缩性能有着密切的关系，王亚等选取了30块柔软 范围较大、波动均匀、较具代表性的织物进行测 织物的柔软度是织物品质评定的重要内容，它 试。试验中利用KES-F风格仪对织物的弯曲刚 不仅影响织物的外观风格，而且影响织物的穿着性 度、弯曲滞后矩、剪切刚度、剪切滞后矩、厚度等 能。然而，目前还没有一套完整的体系用于评价织 12项指标进行测试，并根据所求得的综合评价值 物的柔软度，大多数还是采用主观评价的方法。王 对织物柔软度由软到硬划分为6个等级，1级最 亚等对织物进行主成分分析，所得的综合评价值作 软6级最硬。本文以此数据为基础，建立和训练 为织物柔软度的评价指标，对织物柔软度进行等级 模型，仍选用F。～F。四块织物做模型检验。测量 划分，得到了一个较为客观完善的评价体系。但是 数据及织物所属等级见表1、表2。 这种方法在用主成分分析计算各子样的综合评价值 2．2设计BP神经网络 时数据较多且算法复杂，因此有必要对此算法进一 2．2．1输入与输出层设计 步改进，寻求简洁的方法评价织物柔软度。 根据KES-F风格仪所测得数据，共有12项 织物的弯曲性能、剪切性能和压缩性能等与 参数共同影响织物的柔软度，对应于这些参数， 织物的柔软度存在着复杂的非线性关系，而BP BP神经网络的输入神经元个数应为12。以柔软 神经网络具有自学习、自组织、自适应和非线性动 度等级作为输出，则输出神经元个数为1。 态处理等特性，特别适合处理复杂的非线性过程。 2．2．2隐层的设计 本文基于王亚等所建立的织物柔软度评价体系， ·个三层BP网络可以完成任意N维到M 提出以织物弯曲性能、剪切性能和压缩性能等指 维的映射，简洁起见本文选取的网络层数为3层。 标作为输入，以柔软度等级作为输出，建立一个织 对于最佳隐层神经元数目可以根据(1)式进 ’ 物力学指标与柔软度等级关系的BP神经网络模 行计算： 型，对织物柔软度进行评价。 S=、厅而+a (1) 其中：S为隐层神经元个数，咒为输入神经元 2柔软度评价体系模型的建立与训练 个数，m为输出神经元个数，a为[1，103之间的常 数。 2．1试验数据