具多個質量特性的印染生產過程參數(shù)優(yōu)化研究

吳政治　李勁　李洪

摘要：為了改變印染廠依靠老師傅經驗進行參數(shù)設置的現(xiàn)狀，本文通過響應面法與遺傳算法相結合來找出印染參數(shù)最優(yōu)解。先利用響應面法建立質量特性與工藝參數(shù)間的回歸函數(shù)關系，接著將其數(shù)學轉換成總期望函數(shù)單一測量指標，并作為遺傳算法中的適應值函數(shù)，最后通過遺傳算法尋優(yōu)來求出工藝參數(shù)的最優(yōu)解。通過本文的研究，最終獲得了最優(yōu)的參數(shù)組合。

關鍵詞：印染；多質量特性；響應面法；遺傳算法；期望函數(shù)

中圖分類號：TP301

文獻標志碼：B

文章編號：1009-265X（2017）02-0054-05

Abstract：This research combinate response surface method and genetic algorithm to optimize the result of printing and dyeing. At first establish the regress relation between quality characteristics and process parameters， and then converts multiquality characteristics to single index by expected function. Serving as fitness function of genetic algorithm， the index will find optimal solution of the process parameter by the genetic algorithm. Through the research we finally find a best solution of printing and dyeing.

Key words：Dyeing and Finishing； multiquality characteristics； response surface method； genetic algorithm； expectation function

目前，依靠老師傅個人經驗進行加工生產仍然是國內印染企業(yè)普遍存在的現(xiàn)象，如果能構建一套標準的工藝參數(shù)設置，以實驗的最優(yōu)參數(shù)組合作為標準，可以不必僅依靠老師傅經驗，也可使新員工在操作上有所依據(jù)，進而降低印染布料未達客戶標準的情況發(fā)生。

臧勇等[1]分析了國內紡織品標準化領域存在的問題，對衡量印染產品質量的主要檢測項目進行了介紹、分析，論述了檢測項目的分類、實施依據(jù)、主要內容等；黃彩虹等[2]建立了印染外觀質量和內在質量綜合評價指標體系，提出印染質量綜合評分法，并通過印染質量實例的評價，驗證所建評價體系的可行性；Daneshvar等[3]以田口試驗法應用在印染生產中，以綠色孔雀石做為印染原料，針對印染過程找出影響因子有：溫度、pH值、著色時間、染劑浴比等，期望找出此染料的最好著色效果與優(yōu)化參數(shù)組合。

多位學者的研究表明[48]，結合響應面法與遺傳算法對企業(yè)生產過程參數(shù)進行優(yōu)化，能得到較好的效果，但該方法應用于印染過程參數(shù)優(yōu)化的研究還比較少。因此，本文將響應面法與遺傳算法相結合來求解多質量特性的印染參數(shù)優(yōu)化問題，以期能得到最優(yōu)參數(shù)。

1研究方法

1.1研究流程

本文以浙江某印染廠錦綸的印染過程為研究對象。以綿綸布料的染色特性制定染劑與助劑處方，并將收集的實驗數(shù)據(jù)按圖1流程進行實證研究。

分四個階段對印染業(yè)具多個質量特性的生產過程進行參數(shù)優(yōu)化：第一階段為收集相關實驗數(shù)據(jù)；第二階段使用響應面法建立自變量與質量特性間的回歸模型，并將回歸方程式轉換成總期望函數(shù)作為遺傳算法的適應值函數(shù)；第三階段利用正交表實驗進行演算法的參數(shù)設計，以得到遺傳算法的最優(yōu)參數(shù)設置值；第四階段運用遺傳算法將前述的適應值函數(shù)做為判斷染色體的標準，經復制、交叉與變異的反復運算，獲得隱藏于各個質量因子間的最優(yōu)參數(shù)組合，并得到接近全域的最優(yōu)解。

1.2應用響應面法建立回歸模型

應用響應面法建立自變量與質量特性間的回歸模型，并為一階與二階模型做適合性檢驗，最后將獲得的回歸方程式通過總期望函數(shù)轉換成單一衡量指標，總期望函數(shù)為Di（x）=[（d1（1）d2（2）…dm（m））]1m，其中，Di（x）為第i個自變量的總期望函數(shù)值，di（i）為第i個質量特性的個別期望函數(shù)值，m為質量特性個數(shù)。

可分為以下幾個步驟：

a）決定合適的實驗設計配置。

b）建立適配一階回歸模型。

c）一階回歸模型的適合性檢驗。根據(jù)統(tǒng)計方法中的復判定系數(shù)（R2）、調整后判定系數(shù)（R2a）來檢驗回歸模型中自變量與質量特性之間的相關程度。當R2值越接近1，表示回歸模型中質量特性與自變量間相關程度較高。

d）二階回歸模型的適合性檢驗。根據(jù)中央復合設計實驗的原理，將原本的實驗數(shù)據(jù)加上軸點實驗進行補充實驗，并將實驗結果輸入DesignExpert軟件，即可得二階回歸模型。

1.3正交實驗獲取遺傳算法的參數(shù)設置值

首先，確認影響遺傳算法運算的參數(shù)以及是否有無交互作用，并決定各因子的水平數(shù)，選擇適當?shù)恼槐韀9]，再根據(jù)正交表的配置進行實驗以決定各因子的最優(yōu)水平。

1.4運用遺傳算法進行生產過程參數(shù)優(yōu)化

將前述步驟中的多個質量特性的回歸模型利用總期望函數(shù)轉換成單一的測量指標，并作為遺傳算法中的適應值函數(shù)。接著，通過遺傳算法的復制、交叉與變異等不斷反復，獲得隱藏在質量因子間的最優(yōu)參數(shù)組合。

2結果與討論

2.1實例研究

通過與印染工程師討論確定各因子水平與質量特性，表1、表2與表3為各因子與質量特性說明及水平組合。

使用正交表對表3中的4因子與水平進行實驗設計，并將結果輸入到DesignExpert軟件中，從而獲得了一階函數(shù)。

2.2響應面法進行因子與質量特性分析

利用中央復合設計原理，對2.1中的實驗增加軸點實驗，相應各因子水平如表4所示，實驗設計如表5所示。將所獲得的實驗結果輸入到DesignExpert軟件中，獲得了二次函數(shù)。

通過判定系數(shù)發(fā)現(xiàn)一階函數(shù)與二階函數(shù)均符合標準，故本文列出二階函數(shù)，Y1和Y2分別表示色差值與pH值的質量特性回歸式，且R2為自變量（X）對質量特性（Y）總變異可解釋的程度，自變量對質量特性（Y1）的解釋變異達87.3%；自變量對質量特性（Y2）的解釋變異達92.9%，其調整后R2也均符合標準范圍。

2.3正交表實驗與遺傳算法

當利用響應面構建因子與質量特性關系后，再使用遺傳算法來尋找輸入?yún)?shù)間的最優(yōu)組合，然而遺傳算法尋優(yōu)過程中，不同母體大小、交叉率、變異率等參數(shù)設置也會影響解的質量。因此本文通過正交實驗衡量遺傳算法中（A）母體大小、（B）交叉率、（C）變異率，各使用3種不同的水平大小，如表7。

2.4實驗結果

利用上述遺傳算法設置因子的水平組合，并使用全因子實驗（共27次），進化迭代設為100次，結果當母體大小為30（水平3）、交配率為0.8（水平3）、突變率為0.6（水平3）時，所得結果最好。因此以此最佳水平組合反復進行10次遺傳算法運算所得結果如表8所示。

由表9可知，在95%的置信區(qū)間下（0.672 9，0.690 3）的寬度相當緊密，表明此遺傳算法具有再現(xiàn)性及較高的穩(wěn)健性。

本研究利用總期望函數(shù)作為遺傳算法的適應值函數(shù)，得到的最優(yōu)參數(shù)分別為：均染劑1.173 mL，染色酸1.903 mL，著色溫度96.137 3 ℃，染色浴比1∶20。

3結論

本文結合響應面法與遺傳算法有效解決印染企業(yè)的多質量特性優(yōu)化問題。首先，通過響應面法得到影響因子與質量特性間的回歸方程式，并找出各因子與質量特性的關系；接著將總期望函數(shù)作為遺傳算法的適應值函數(shù)；最后利用遺傳算法的運算能力找出最優(yōu)解，進而獲得參數(shù)最優(yōu)解?？蓪?shù)的最優(yōu)解直接套入實際生產中，使印染企業(yè)構建一套標準的參數(shù)設置，將使工廠不再依靠測試得到合適的參數(shù)設置，從而使印染參數(shù)設置更加快捷、合理。

參考文獻：

[1] 臧勇，金曉東，孫興梅.印染產品標準發(fā)展及質量要求[J].北京服裝學院學報（自然科學版），2014（2）：21-27.

[2] 黃彩虹，金福江，吳逢鐵.運用層次分析法的印染質量綜合評價方法[J].華僑大學學報（自然科學版），2009，30（1）：30-33.

[3] DANESHVAR N， KHATAEE A R， RASOULIFARD M H， et al. Biodegradation of dye solution containing Malachite Green： Optimization of effective parameters using Taguchi method[J]. Journal of Hazardous Materials， 2007，143（1-2）：214-219.

[4] HASAN K， TUNCAY E. Efficient warpage optimization

of thin shell plastic parts using response surface methodology and genetic algorithm[J]. Int J Adv Manuf Technol， 2006，27（5）：468-472.

[5] WANG J， WAN W. Optimization of fermentative hydrogen production process using genetic algorithm based on neural network and response surface methodology[J]. International Journal of Hydrogen Energy， 2009，34（1）：255-261.

[6] 文藝，鐘文，柳玉起.沖壓成形過程中拉延工藝參數(shù)的優(yōu)化設計[J].塑性工程學報，2013，20（3）：31-36.

[7] 王憲成，郭猛超，胡俊彪，等.高原環(huán)境柴油機準維燃燒模型參數(shù)優(yōu)化研究[J].汽車工程，2013，35（2）：111-115.

[8] 周長江，劉亞輝，吳長德.基于響應面法的平縫機刺布挑線機構動平衡優(yōu)化[J].湖南大學學報（自然科學版），2013，40（8）：64-68.

[9] 茆詩松，周紀薌，陳穎.試驗設計[M].2版.北京：中國統(tǒng)計出版社，2012.

（責任編輯：唐志榮）