当前位置：文档之家 › 基才人工神经网络的针织内衣面料保暖率预测

基才人工神经网络的针织内衣面料保暖率预测

  • 格式：pdf
  • 大小：205.57 KB
  • 文档页数：3

厚 ，钏’ 内衣 的保暖性能越好 ， 织 但
会影响透 湿性 。 织物 的密度也是影
冷环境下 ， 内农的保 暖性能就显得
尤 为重要 。当外 界温度较低时 ， 保 暖性则成 了内衣第一位的要求 。 人 Ｔ神经 网络 为针织 内 衣保 暖 性 的 准 确快速 预测 提供 一 个非常 可行 的智能化 Ｔ具 。 １ 人工神经网络介绍 人工 神 经 网络 足最 近发 展起 来 的多学科交 叉的前 沿技术 ， 它可
１． 纬 平针 １６４ ４６ ０． １ ４８ 纬平 针 １００ ８． ８ ０ ９ ０ １０ ０ １Ｏ ２ ０４ ４５ ，８ ．１ Ｏ８ ４４ Ｏ ． ４
Ｎ． ｏ ３
致系统不稳定 ， 刚络 出现振荡现象 。 学习速率太小 ， 自然 网络收敛缓慢 。 在一般情 况下 ， 倾向于选取 较小 的 学习速率 以保证系统 的稳定性 冉 者 由于Ｌ Ｍ 快 的收敛速度 ， 以 —较 所 本模 型取学 习速率 为０Ｏ 。 ．１
ｊ
摘要： 分别对 １种针 织 内衣 面料 的基本 结构参数 、 ０ 导热 系数 以及保 暖率进行测试 ， 根据针 织 内衣面
料的基本结构参数 以及导热 系数利 用人工神经 网络 来预测其保暖率 验证 了人工神经 网络的预测可行
性
关键词 ： 织 内衣； 针 结构参数 ； 保暖 率； 人工神经 网络 ； 预测
络 实质体 现 ｊ网络 输 入和输 ｆ 的 ｆ 『
一
外 界温度 埘人 体 的影响 取决 于服
装 的性能 。 因为服装 的隔热性 决定
了皮肤表面的空气温度。 冈此在寒
种 丽数戈 系 ， 只不过这种 鬲数关
的特点。
系没有具体 的公式 ， 其有模糊评判
ｌ 是一个简单 的单层神 经网 割１ 络模型 ， 中 其 量 ， ｖ ……ｆ 是输 入分 Ｊ ｒ Ｊ ……ｗ 为权值分量 ，为神
、
部分 为灭 然纤 维原 料或再 生 纤维
素纤维 原料制成。 本文选取 １种针 ０
、
－
．．．．．．．．．．．．．．．．．— ．
／ 、．．．．．． 、．．．．．一 ．．．．．． ．．．．．．
．一
— 、 Ｌ ／
＿＿ ／
输入
神经元
输出
织面料 作为斌样。 试样 的规格 以及
图１ 单层神经 网络模型
２０ ０６年 ３月
表 １ 试样规格与结构参数
编号 ｊ 成分 泮｝ 纱线细 织物 克重 横 密／ Ｉ 纵行 ・纵密／ 『 横列 ・厚度 蓬松 度 度／ ｘ 组 织 ／ｇ Ｉ （ ｍ） （ １）１ ／ ｍ ／ｆ１ ｇ ｔ ｅ （ ‘ｌ ｌ ） ５ ］ ５Ｃ１ １ ｒ （Ｉ ＋ ） １ ａ ｉ １
１ ２
中图分 类号 ：ＳＯ ． ＋． Ｔ Ｉ１ ２３２ ９ 针织物柔软 ，贴身性较好 ， 且 具有优 良的弹性 ， 于制作柔软舒 适 适 的内农产 。 人体 对温度变化 足 比较敏感 的 ， 但是 ， 在着 装情 况 Ｆ， 文献标识码 ： Ａ 文章编 号 ：０ ０ ４ ３ （０ ６ ０ — ０ ０ ０ １０ — ０ ３２ ０ ）３ ０ ６ — ３ 物 的 自身结构 与物理性能 。
量简单神经元构 成 ， 它反映 了人脑
由于 内衣 为贴 身穿着 ， 因此大
功 能的许 多基本 特征 ， 足一 个高度
复杂的非线性 动力学系统。 Ｔ神 人＿ 经 网络在解 决 问题 时不需 要 对象 的精确模型 ， 仅需要大 量的原始数 据， 其通过强大 的 自学 能 力和结构 的可变性 ， 逐步适应外 界环境各 因
测得有关结 构参数见表 ｌ 。
在 温度 ｉ． １ ℃ ，相 对湿 度 ４５ ５ ～ （７ ３ ％ 的 环 境 条 件 下 ，利 ５－ ） ＋
２ 影响针织 内衣保暖性能的 因素
素的作用 ， 并挖 掘 对象 内在 的因 果关 系 ， 最终以一种不很精确的输 入 、 出值描述 出来 。 输
神经 元是 人 ｌ 经 络 的 基 神 本处理单元 ．…般是 一 个多输入 、
从 ｌ 的结构来说 ， 物的厚 物 织
度是影 响 针织 内衣保 暖性 能 的重 要 １素 ． 人 通常织物 的厚度 与其 保暖 １ 性 能 成 良好 的线 性相 关 ，织物 越
单输出的非线性元件 。 一 经网 人１神
为传递 雨数 ， 一般为ｓ 型或线 。 偏
差 作为传 递 函数 的 另一 个输 入 分 量， 起着 重要 的作 用 ， 它使 得传 递
函数的 图形可 以左 右 移动 而增 加 了解决问题的可能 ＇。 Ｉ 之 ＳｆＪ
的保暖性能。
３ 数 据 采 集
以模拟人脑结构 和智 能特点 ， 南大
维普资讯
Ｎ． ｏ ３
２０ ０６年 ３月
…
１
—
检 测 与 标 准
… … … … … … … … …
基才人 工神 经 网络 的
针 织内衣面料保暖率预测
王林玉 ， 厉冰 ， 王 刘 辉
（ 岛大学 纺织服装学院 ． 青 山东 青 岛 ２ ６ ７ ） ６ ０ １
・
在相 同的外 界环境条什下 ， 影
响针 织 内衣保 暖性 能 的因 素主 要
Ｋ Ｓ — Ｌ１型精 密热 物性 仪 分 别 Ｅ Ｆ Ｔ １
测试导热系数和保暖率。 具体 数值
表２
米 自织物本身 的性 质 ， 主要包括 织
６ ・ ０
维普资讯
响针织 内衣保暖性能 的因素 之一 。
织物的密度越大 ， 静止 空气就越 多， 冈此隔热 性提高。 蓬松度越大 ，
经元偏差 ， 输 ａ Ｗ ￣ ｂ 。ｆ － ＝ ｘ＋ ） （）
水汽将 更 多地绛 过织 物 中孑 隙扩 Ｌ
散到空气 中。 从织物的物理性 能来说 ， 纤维 的 导热 系数或 热 阻大则 保 暖效 果 好， 在很大程度上影 响了针织 内衣

合集下载

BP神经网络在塑身内衣压力预测中的应用

BP神经网络在塑身内衣压力预测中的应用

BP神经网络在塑身内衣压力预测中的应用周捷;马秋瑞【摘要】为预测人体在穿着塑身内衣时产生的压力,提出一种基于神经网络的预测方法.首先测试在4种不同姿势下26名女大学生穿着同一品牌的塑身内衣时,人体20个部位产生的压力值;然后用2种不同的BP神经网络工具箱函数,建立压力预测模型,并分析压力值与人体5个测量值之间的关系,最后检验并比较2种工具箱函数以及不同输入因素对压力的预测效果.结果表明:该预测方法无需复杂的建模计算过程,可直接利用人体的5个测量值较为准确地预测塑身内衣对人体产生的压力值;newff函数的预测效果优于feedforwardnet函数;对2种站姿时的预测精度优于2种坐姿;增加站姿的压力值作为预测输入因素,可准确预测其他3种姿势下的压力值,其预测精度达到82％以上.【期刊名称】《纺织学报》【年(卷),期】2019(040)004【总页数】7页(P111-116,121)【关键词】塑身内衣;内衣压力;BP神经网络;压力预测模型【作者】周捷;马秋瑞【作者单位】西安工程大学服装与艺术设计学院,陕西西安 710048;西安工程大学服装与艺术设计学院,陕西西安 710048【正文语种】中文【中图分类】TS941.763.5塑身内衣具有一定的塑型效果，但也会给身体造成一定的压力[1],使人体产生不舒适感[2]，医学研究表明人体处于坐姿或者蹲姿时，过紧的服装压力可能会导致血栓危害人体健康[3]，服装压力的预测研究是解决压力舒适性的前提[4]。

由于人体表面是一个不规则的曲面，在穿着塑身衣时产生的压力与诸多因素有关，并且这些因素与压力的关系错综复杂，导致预测服装压力比较困难。

目前的服装压力预测方法主要是建立虚拟模型模拟服装与人体的关系，再通过数学计算预测服装压力分布[5]。

罗笑南等[6]将紧身内衣看作弹性薄膜，以弹性力学最小位能原理为基础，运用拉格朗日数乘法预测服装压力分布；王建民等[7]设计了六面体网格模型来模拟人体，通过使用迭代法来计算人体变形与服装压力的关系，最终通过人体变形情况来预测服装压力；Mirjalili等[8]采用Ansys软件运用有限元模型预测服装压力的分布；张欣等[9]在人体运动过程中建立几何非线性数学模型, 预测人体在运动过程中服装的压力变化。

基于BP神经网络的精纺毛织物透气性能的预测

基于BP神经网络的精纺毛织物透气性能的预测


３ 神 经 网络 预 测 模 型 的 建 立
三层 Ｂ Ｐ神 经 网络 模 型 以 经 纬 纱 直 径 、 纬 向 经 织物 密度 、 织物 总 紧度 、 均浮 长 、 平 平方 米重 、 经纬纱 线捻 系数 、 线 中纤 维 的 平均 直 径 和 织物 纱 线 间孔 纱
收 稿 日期 ：０ ７ ６ １ ２ ０ —０ —２
１ Ｂ Ｐ神 经 网络
１ １ ・般 概 念 ．
神经 网络 由输 入 单元 、 隐层 数据 处 理单 元 和数 据输 出单元 ３层构 成 ， Ｐ网络 的产 生 归功 于 Ｂ Ｂ Ｐ算 法 的获 得 ， 信 息 的 正 向 传 递 与 误 差 的 反 向 传 播 由 ２部分组 成 。Ｂ Ｐ神经 网络 设 计包 括 ： 输 入 和输 出 ①
隙透气 量 的计算 值 为 神经 元 的输 入层 ， 以实 测 透 气
量为 神经元 的输 出层 ， 输 入 神 经元 个 数 为 １ ， 即 １ 输 出神经元个 数 为 １ 隐层 神经元 数初 步确 定为 ３ ， ， —８
作者简介 ： 广标 （９ ６ ， ， 师 ， 徐 １７ 一） 男 讲 主要从 事纺织 材料 与
摘 要 ： ３ 在 ４种精 纺 毛型 织 物 实 验 数 据 基 础 上 ， 用 三 层 Ｂ 利 Ｐ神 经 网络 方 法 ， 立 了织 物 透 气性 能 与 织 物 结 构 建 参 数 之 间 的 神 经 网络 模 型 ， 新 采 集 ７种 织 物对 网络 模 型进 行 验 证 和评 估 ， 果 表 明 ： 经 网络 可 以 用 来 预 测 织 物 重 结 神 的 透 气性 能指 标 ， 物透 气量 的预 测 误 差 率 范 围 为 ３ 一２ ．％ ， 均 误 差 率 为 ｌ ．％ ， 大 误 差 率 小 于 ２ ％ ， 经 织 ％ ４２ 平 ４３ 最 ５ 神 网 络 预 测 精 度 受样 本大 小 影 响 ， 一步 丰富 学 习样 本 后 ， 经 网络 的泛 化能 力 可 望 得 到 改 善 。 进 神 关 键 词 ： 纺 毛 型 织 物 ；Ｐ神 经 网 络 ； 气 性 能 精 Ｂ 透
遗传算法优化BP神经网络的纺熔无纺布性能预测

遗传算法优化BP神经网络的纺熔无纺布性能预测


预测。
网络预测值与实际值的绝对百分比误差，BP神经网络对 纺熔非织造材料的MD强力和HSH的测试结果的最大绝 对百分比误差均小于6%；GA优化神经网络对MD强力和 HSH的测试结果的最大绝对百分比误差均小于5%。两种 预测方式均能满足实验产品开发和生产的需要，GA优化 后的模型具有更强的适用性。
图2 MD强力的真实值和预测值 引入实验测得的HSH值和GA优化后的神经网络、 BP神经网络预测值，结果如图3所示，可以看到预测值 也与实验值有很高的吻合度。BP神经网络预测时，实 验值与预测值最小误差为0.72；GA优化后再预测时， 最小误 差为 0. 2 3，两 种网络对H S H 均能实现较 好的 预测。
张伟国，等：遗传算法优化 BP 神经网络的纺熔无纺布性能预测
分比误差为：
APE=∣h(x)(i)－y(i)∣/y(i)×100%
（3）
4 结果与分析
实验测得的MD强力值和预测的MD强力值对比结
果如图2所示，可以看到两种网络模型的预测值均与实验
值接近或重合，表明两种网络对MD强力均能实现较好的
这里引入了“7-13-2”结构的网络模型，输入层到隐含层
使用“tansig”函数传递，隐含层到输出层使用“purelin”
函数传递。实验共采用114组原始数据，随机抽取22组数
据进行验证，其余92组数据用来构建神经网络。
3 遗传算法优化
遗传算法根据每组实验数据对应的适应度函数值
的大小来判断实验数据质量的优劣。如果个体的适应度
裂强力和断裂伸长率的测定（条样法）》和GB/T 4744—
2013《纺织品 防水性能的检测和评价 静水压法》。
2 BP神经网络构建
使用MATLAB建立预测模型，输入向量是A/E挤出
基于BP神经网络技术的服装质量预测管理系统设计

基于BP神经网络技术的服装质量预测管理系统设计

式中T k，O k分别表示样本k时网络的期望输出和实际输出值。

根据人工神经网络BP算法基本原理，采用逐次修正法，用FORTAIN语言编制模型源程序。

模型计算步骤如下：（简单起见，在模型中，我们暂假定影响服装质量的因素为8个，实际生产中远远多于8个）（1）网络初始化取学习步长=0.1，最大学习误差E=0.0001，令权值Aim=B ji=Cj=0.65（i=1，2，...，8；j=1，2，...，8；m=1，2， (8)置偏值X i=Y j=Z=0.35（i=1，2，...，8;j=1，2， (8)令样本输入值=输入层输出值（Qm），（m=1，2， (8)（2）计算各层输入与输出第二层(i=1,2,…,8)(2)H i=f(U i)(3)式中：f为Sigmoid函数第三层(i=1,2,…,8)(4)W j=f（V j）(5)第四层(i=1,2,…,8)(6)O=f（s）(7)（3）计算各层误差信号G=（O-T）・O・（1-O）（8）(8)F j=G・C j・W j（1-W j）（9）(9)(10)（4）修改各层权值C j=C j+F j H i(12)A im=A im+G(14)Y j=Y j+D i(16)（6）输入下一样本（7）学习样本结束，更新学习次数（8）如果E<0.0001，学习结束3基于BP神经网络技术的质量管理预测系统的训练与校核基于BP神经网络技术的服装生产管理系统设计生成后在多家合作服装企业进行系统功能验证，分别从这些服装企业采集服装生产成品质量与影响服装生产质量因素的记录数据作为样本对本系统进行训练。

我们进行过模型测试，通过采用大量样本数据对本系统进行训练，可以使服装质量预测误差控制在3％－5％。

系统应用后，我们将跟踪企业的试用情况，来对本预测体系进行严格的校核，如果达不到预期的效果我们将对系统进行改进和自学习训练，直至达到预期效果。

如果经过多次实验验证并对系统进行有效校对，系统能够达成预期目的，将具备软件的批量化生产及市场推广运用。