BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)環(huán)境對(duì)絲織物力學(xué)性能的影響

楊夢(mèng)星，張 毅，鄭秋婷

(天津工業(yè)大學(xué)紡織學(xué)部，天津 300387)

絲織物具有優(yōu)良的服用性能和裝飾效果，近年來以其獨(dú)特的優(yōu)勢(shì)逐漸步入百姓生活之中。蠶絲屬天然蛋白質(zhì)纖維，對(duì)外界環(huán)境變化具有較高的敏感性，這是導(dǎo)致絲織物易老化的重要原因。針對(duì)絲織物的老化問題，張聚華等［1］利用X射線衍射儀及衰減全反射紅外光譜儀，研究了柞蠶絲織物在酸堿條件下水解老化后的結(jié)構(gòu)變化，結(jié)果表明柞蠶絲織物在不同pH值條件下的水解老化作用表現(xiàn)為β-折疊結(jié)構(gòu)含量的下降，而且酸性條件下水解時(shí)α-螺旋結(jié)構(gòu)的含量小于堿性條件下水解時(shí)α-螺旋結(jié)構(gòu)的含量。王芳芳等［2］對(duì)柞蠶絲纖維進(jìn)行了人工加速老化損傷的研究，認(rèn)為光、熱、氧化和水解都對(duì)絲織物起到不同程度的老化作用。

本文選取濕度、溫度和pH值作為影響因素，以絲織物經(jīng)過老化處理后的平均斷裂強(qiáng)力值作為訓(xùn)練樣本，利用BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的自適應(yīng)模式識(shí)別能力和非線性擬合能力，預(yù)測(cè)環(huán)境對(duì)絲織物力學(xué)性能的影響。研究結(jié)果不僅有助于對(duì)絲綢制品的日常保養(yǎng)，而且對(duì)古代絲綢織物的保護(hù)工作具有參考價(jià)值。

1 試驗(yàn)數(shù)據(jù)的獲取

以經(jīng)緯密度為822根/10 cm×452根/10 cm的雙縐組織柞蠶絲織物作為試驗(yàn)材料，沿經(jīng)向裁成6 cm×25 cm的試樣條，共90條。選取濕度、溫度和pH值作為L9(34)正交試驗(yàn)的3個(gè)因素，每個(gè)因素選取3個(gè)水平，即濕度為50%、70%、90%，溫度為40、70、100 ℃，pH 值為 5、7、9。由于試驗(yàn)所用的DWS型老化儀(天津市天宇實(shí)驗(yàn)儀器有限公司)只能滿足濕和熱的變化要求，無法提供指定pH值的酸堿環(huán)境，所以必須對(duì)試樣進(jìn)行預(yù)處理，即將試樣條分為A、B、C 3組，每組各30條，A組浸泡在pH值為5的H2SO4溶液中，B組浸泡在pH值為7的去離子水中，C組浸泡在pH值為9的NaOH溶液中，3組試樣均浸泡24 h，然后取出常溫干燥。

根據(jù)表1所示的濕度、溫度和pH值交互環(huán)境，分別對(duì)試樣進(jìn)行24 h連續(xù)老化處理。使用美國3365型Instron萬能材料試驗(yàn)機(jī)，隔距為15 mm，拉伸速度為100 mm/min，測(cè)試樣老化后的斷裂強(qiáng)力，所得平均斷裂強(qiáng)力如表1所示。

表1 L9(34)表及平均斷裂強(qiáng)力Tab.1 L9(34)table and average breaking strength

2 BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)

2.1 模型構(gòu)建

濕度、溫度和pH值對(duì)絲織物的老化及其力學(xué)性能表現(xiàn)出非線性復(fù)雜變化，因此利用BP神經(jīng)網(wǎng)絡(luò)能夠逼近任意函數(shù)且能將訓(xùn)練經(jīng)驗(yàn)保存在聯(lián)接權(quán)重中的功能［3］，可科學(xué)全面地進(jìn)行絲織物老化力學(xué)性能預(yù)測(cè)。

采用MatLab7.0建立BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。利用試驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，然后用訓(xùn)練成功的模型預(yù)測(cè)織物在濕度、溫度和pH值交互環(huán)境下力學(xué)性能的變化。在BP神經(jīng)網(wǎng)絡(luò)模型的建立中，以影響絲織物老化的濕度、溫度和pH值作為輸入層，絲織物老化后力學(xué)性能指標(biāo)斷裂強(qiáng)力值作為輸出層［4－5］。

BP神經(jīng)網(wǎng)絡(luò)采用traingd算法(自適應(yīng)學(xué)習(xí)速率梯度下降法)來實(shí)現(xiàn)［6］，對(duì)正交試驗(yàn)獲得的9組數(shù)據(jù)進(jìn)行訓(xùn)練仿真，其中前8組數(shù)據(jù)作為直接訓(xùn)練數(shù)據(jù)，最后1組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。BP神經(jīng)網(wǎng)絡(luò)模型采用3層的網(wǎng)絡(luò)結(jié)構(gòu)，輸入層維數(shù)為3，輸出層維數(shù)為1，隱含層為1層，其節(jié)點(diǎn)數(shù)為8;隱藏層計(jì)算函數(shù)tansig，輸出層計(jì)算函數(shù)purelin，反算時(shí)的計(jì)算函數(shù) traingd［7－8］;最小訓(xùn)練速率為 0.1，允許誤差為0.001，最大訓(xùn)練次數(shù)為5 000［9］。

2.2 模型訓(xùn)練

BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)流程如圖1所示。訓(xùn)練輸入數(shù)據(jù):

圖1 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)流程圖Fig.1 BP neural network design flow chart

訓(xùn)練輸出數(shù)據(jù)

為了消除輸入層數(shù)據(jù)數(shù)量級(jí)和單位的差異對(duì)預(yù)測(cè)精度的干擾，改善網(wǎng)絡(luò)學(xué)習(xí)過程中的收斂速度和收斂誤差，在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練前，采用最大值和最小值對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，先由premnmx函數(shù)將輸入數(shù)據(jù)做歸一化處理，再由postmnmx函數(shù)將預(yù)測(cè)值還原為原始數(shù)據(jù)［10］。

2.3 結(jié)果與分析

BP神經(jīng)網(wǎng)絡(luò)運(yùn)行168次后，樣本誤差達(dá)到0.001，其收斂情況如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.2 Training result of BP neural network

將訓(xùn)練樣本(1～8)的擬合值與實(shí)際試驗(yàn)值，以及檢驗(yàn)樣本(9)預(yù)測(cè)結(jié)果與實(shí)際試驗(yàn)值列于表2。

表2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及預(yù)測(cè)結(jié)果Tab.2 Training and prediction results of BP neural network

由訓(xùn)練成功的BP神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)樣本9的斷裂強(qiáng)力，再將樣本1～8的實(shí)際試驗(yàn)值作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，得到樣本1～8的擬合值。由表 2可見，預(yù)測(cè)的絕對(duì)誤差最大為0.004 6%，最小為0.000 1%，呈現(xiàn)中間大兩頭小的正態(tài)分布。預(yù)測(cè)結(jié)果表明:運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)環(huán)境因素對(duì)絲織物力學(xué)性能的影響，具有較好的準(zhǔn)確性(相對(duì)誤差＜0.005%)，不僅對(duì)學(xué)習(xí)樣本的擬合程度較高，而且檢驗(yàn)樣本的預(yù)測(cè)結(jié)果與試驗(yàn)值也非常接近。

3 結(jié)論

1)環(huán)境中濕度、溫度和pH值以及它們之間的交互作用會(huì)加速絲織物的老化，BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的自適應(yīng)模式識(shí)別和非線性擬合能力，可以有效地預(yù)測(cè)環(huán)境因素對(duì)絲織物力學(xué)性能的影響。

2)通過正交試驗(yàn)獲取的絲織物斷裂強(qiáng)力數(shù)據(jù)具有較強(qiáng)的代表性，以此作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本，能提高預(yù)測(cè)結(jié)果的可靠性。

3)建立3層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練及預(yù)測(cè)，所獲得的訓(xùn)練輸出值與實(shí)際試驗(yàn)值的相對(duì)誤差均小于0.005%，預(yù)測(cè)結(jié)果準(zhǔn)確。

［1］ 張聚華，傅吉全，李秀艷.柞蠶絲織物酸堿條件下水解老化過程的結(jié)構(gòu)分析［J］.北京服裝學(xué)院學(xué)報(bào)，2010，30(2):48 －53.ZHANG Juhua，BO Jiquan，LI Xiuyan.Structural analysis of the silk fabric aging process under PH conditions［J］.Journal of Beijing Institute of Clothing Technology，2010，30(2):48 －53.

［2］ 王芳芳，傅吉全.柞蠶絲纖維人工加速老化損傷研究［J］.北京服裝學(xué)院學(xué)報(bào)，2008，28(3):32 －36.WANG Fangfang，F(xiàn)U Jiquan.Artificial accelerated aging research of tussah silk fibers［J］.Journal of Beijing Institute of Clothing Technolog，2008，28(3):32 －36.

［3］ 何勇，項(xiàng)利國.基于模糊聚類的BP神經(jīng)網(wǎng)絡(luò)模型研究及應(yīng)用［J］.系統(tǒng)工程理論與實(shí)踐，2002，21(3):79－82.HE Yong，XIANG Liguo.Study of application model on BP neural network optimized by fuzzy clustering［J］.Systems Engineering Theory and Practice，2002，21(3):79－82.

［4］ 狄宏靜，劉冬云，吳志明.基于BP神經(jīng)網(wǎng)絡(luò)的春夏女裝流行色預(yù)測(cè)［J］.紡織學(xué)報(bào)，2011，32(7):113－117.DI Hongjing，LIU Dongyun，WU Zhiming.Forecast of women's spring/summer fashion color based on BP neural networks.［J］.Journal of Textile Research，2011，32(7):113 －117.

［5］ 成玲，萬振凱，張毅.BP神經(jīng)網(wǎng)絡(luò)在織物風(fēng)格評(píng)價(jià)中的應(yīng)用［J］.天津工業(yè)大學(xué)學(xué)報(bào)，2001，20(3):41－43.CHENG Ling，WAN Zhenkai，ZHANG Yi.Application of BP neural networks in fabric handle assessment［J］.Journal of Tianjin Polytechnic University，2001，20(3):41－43.

［6］ 明律法.桑蠶絲抗紫外老化性能研究［D］.蘇州:蘇州大學(xué)，2011:87－89.MING Lüfa.Study on ultraviolet aging properties of bombyx mori silk fabric［D］.Suzhou: Soochow University，2011:87 －89.

［7］ 陳穎，陳汝棟.基于BP神經(jīng)網(wǎng)絡(luò)的水刺非織造布剛?cè)嵝阅艿难芯浚跩］.天津工業(yè)大學(xué)學(xué)報(bào)，2012，31(1):29－32.CHEN Ying，CHEN Rudong.On spunlaced nonwovens flexible study by BP neural network［J］.Journal of Tianjin Polytechnic University，2012，31(1):29 －32.

［8］ 韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用［M］.2版.北京:化學(xué)工業(yè)出版社，2007:101－107.HAN Liqun.Theory，Design and Application of Artificial Neural Network［M］.2nd ed. Beijing:Chemistry Industry Press，2007:101 －107.

［9］ 李翔，彭志勤，金鳳英.基于神經(jīng)網(wǎng)絡(luò)的精紡毛紗性能預(yù)測(cè)模型比較［J］.紡織學(xué)報(bào)，2012，31(1):51－56.LI Xiang，PENG Zhiqin，JIN Fengying. Comparing prediction models for worsted yarn performances based on neutral networks［J］.Journal of Textile Research，2012，31(1):51 －56.

［10］ 倪紅，潘永惠.基于BP神經(jīng)網(wǎng)絡(luò)的織物斜向彎曲性能的預(yù)測(cè)［J］.紡織學(xué)報(bào)，2009，30(2):48 －51.NIHong，PAN Yonghui.Prediction of fabric diagonal bending rigidity by BP neural network［J］.Journal of Textile Research，2009，30(2):48 －51.