纺织论文模板

《纺织论文模板》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

纺织论文模板毛精纺前纺工艺参数重要性的BP网络定量评价法刘贵1,于伟东1,2（1.东华人学纺织材料与技术实验室，上海201620;武汉科技学院纺织与材料学院，湖北武汉430073）摘要（小五黑体）在BP神经网络建模技术的基础上，提出利用神经网络输入层-与输出层Z间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺金业前纺工艺参数运用BP神经网络分别建立了粗纱CV值和粗纱单重的预测模型。结果表明：所建模型的平均相对误差都低于3%；采用样本数据验证，其预报值与实测值间的相关系数都高于0.950对所建模型的网络权重进行提取，分别计算出13个输入参数对粗纱CV值和粗纱单巫的重要性，挖掘出显著而有效的参数。经对比认为，BP网络法比多元回归显著性分析（MRSA）史为粘准，可用于对实际生产加工的预报和控制。（小五宋体）关键词（小五黑体）毛将纺；前纺T艺参数；模型；BP神经网络；定量评价法（小五宋体）中图分类号（小五黑体）：TS131.9（小五宋体）文献标志码（小五黑体）:Quantitativeevaluationmethodforthesignificanceofworstedfore-spinningparametersbasedonBPneuralnetworkLIUGuil,YUWeidongl,2（五号）（1.TextileMaterialsandTechnologyLaboratoryDonghuaUniversity,Shanghai201620,China;2・DepartmentofTextilesandMaterials,WuhanUniversityofScienceandEngineering,Wuhan,Hubei430073,China）AbstractBasedonBPneuralnetworkmodeltechnology,anewapproachwasdevelopedandapplledtoappraisetheinputparameterszsignificantdegreethroughtheweightinessanditsdistributionbetweentheinputandoutputlayer.Usingthefore-spinningworkingproceduredatagatheredfromtheworstedtextilesenterprise,therovingunevennessandweightpredictionmodelswereestablishedrespectively.TheresuItsindicatedthatthemodels'meanrelativeerrorsareal11essthan3%;thecorrelationcoefficientR2betweenthepredictionvalueandtheactualareallmorethan0•95.Usingtheweightinessextractedfromthoestablishedmodels,the13inputparameterszsignificancctotherovingunevennessandweightwerecalculatedrespectively,andtheremarkableandeffectiveparametersareexcavatedout.Meanwhilecontrasting tothemultivariateregressionsignificanceanalysis（MRSA）,theBPneuralnetworkmethodismoreexactthanMRSAandcanbeusedintheforecastandcontroloftheactualproduceandmanufacture（小五）KeywordsDoubleglow;Artificialneuralnelwork;Predictionmodel（小五）收稿日期（黑体小五）：2007-03-10修回II期：2007-05-16（由编辑部填写）基金项H（黑体小五）:国家经贸委创新项1=1（02CJ-14-05-01）基金名称（基金编号）（楷体小五）作者简介（黑体小五）:刘贵（1983-）,男，博士牛。主要研究方向为毛精纺加工过程建模及其职能决策预报与控制。于伟东，通讯作者，E-mail:wdyu@dhu.odu0第一•作者姓名（出生年一），性别，职称，学历。主要研究方向。通讯作考姓名，E-mailo（正文五号宋体，单倍行距）对精毛纺织厂而言，前纺工序作为整个加工过程的第一环节,其加工质量对后道工序将产生直接影响。根据实际生产经验,细纱的条干不匀率和细纱机的断头率相对于末道粗纱的质量呈显著的线性关系［1］,故控制前纺各工序的半制品不匀率,特別是末道粗纱的不匀率是毛纺厂十分重要的质量监控措施□冃前企业主要以经验为主，通过传统的测量和记录、肉眼观看与估计、设备的调整和人力的补充等原始的方法实现，不能对人最积累和不断产生的数据进行系统整理、综合分析与客观决断，也无法确切地找出产生问题的原因及实际解决方法［3］o本文针对影响粗纱质量的毛条回潮率、毛条含油率、纤维平均直径、直径离散系数、纤维平均长度等13个指标参数，将采集到的企业实际生产数据，运用BP网络建立预测模型,提出利用网络各层间的权重及其分布，计算出各参数对产虽质量指标的影响程度，并对比多元回归分析，效果较好。1网络定量评价法（四号黑体，3倍行距）BP神经网络（Back-Propagation）是指基于误差反向传播算法的多层询向人工神经网络［4］。对于任何在闭区间的1个连续函数都可以川含有1个隐层的BP网络來逼近，因而1个3层结构的BP网络可以完成任意N维到M维的映射［5］。从其学习过程來输入参数对输出结果的影响完全由网络权值决定，因此，知道网络各层间的权重及其分布，就可计算输入参数的确定度（输入对输出影响作用的相对人小，即贡献率）。依照误差反向传播方法，输入层节点对输岀层节点的影响是由各层权值的复合作用。由于输岀反映的是其木身，它不需要再进行对后层节点影响大小的区分，故可将其确定度看作是和同的,然后参照反向传播算法从输出层向输入层反向求出各输入参数的确定度。2巫要性评价过程2.1试骑数据和参数（小四黑体，单倍行距） 木文以山东某精毛纺厂采集到的100组数据为建模依据。数据采集分2部分，一部分从实际生产工艺设计单中提取，主要是工艺流程参数、设备加工参数;另--部分为测试数据,來自不同的生产线。任意选80组数据用于模型建立，其中70组用于模型训练，10组作为检验数据，而未参与建模的20组数据则用于对模型的验证。影响前纺粗纱质量的参数有毛条回潮率(XI)、毛条含汕率(X2)、纤维平均直径(X3)、直径离散系数(X4)、纤维平均长度(X5)、长度离散系数(X6)、短毛率(X7)、毛条质量(X8)、毛条质量不匀率(X9)、毛条毛粒(X10)、前纺总并合次数(XII)、前纺总牵伸倍数(X12)和粗纱捻系数(X13)[6]。运用BP网路建模分析时，以这些参数作为网络的输入层参数,输入节点数为13,中间包含1个隐层，分别以R1和R2作为网络输出层建立多输入单输出子网组[7]模式进行预报。隐层节点数的选取根据式(1)M进行计算S0.51(1)式中：m为输入层节点数;n为输出层节点数S为隐层节点数，本文取隐层节点数为7。这样就可以建立2个13-7-1结构的BP神经网络模型。同时,为消除原变量的量纲不同、数值差异太大带來的影响，需要对原变量作标准化处理。即XXXkik1,2,...,m(2)式中XIki；S••11 n1XkiXik1k1i1,2,.m..,(3)2.2模型的建立和训练根据模型结构，在Mtalab6.5的环境下建立2个13-7-1型BP网络模型。利用式(2)对输入样本数据进行预处理。将标准化后的数据输入网络进行训练，训练参数：训练最大步数为50;精度口标值为1.0X10-3;学习率为0.01E9K其训练过程曲线见图1。由图可知，分别经过25和47步左右的训练，平均误差平方和便达到了设定的LI标值。10组检验样木的预报结果和实际结果的相对误差分别为2.28%和2.39%。这说明所建立的模型具有很高的精度和准确性。2.3模型的验证根据上而训练好的BP神经网络，对20组验图1粗纱CV和单重预报模型训练曲线(小五宋体)Fig.1Robingunevenness(a)andthe:rovingweight(b)forecastmodel'strainingcurve(小五Rome)证样本数据进行预报检验。首先对这20组数据利用前而的标准化方法进行预处理，然后代入训练好的模型屮进行预报模拟，得到网络输出并对英做还原量纲的处理，就町得到粗纱质量指标的预测值。其实测值与预报值间的关系见图2。图中预报值与真实值Z间的相关系数均高于0.95,说明模型是可靠和准确的。2.4重要性计算和评价 设前面的13-7-1型BP网络经LM算法训练一定的次数后收敛，令wij为输入层j和隐含层iZ间的连接权值,wil为隐含层i和输出层Z间的连接权值，具体步骤如下。1)初始化输出节点确怎度P,若输出节点数为0,则一般取为P二1/0,这里输出节点数为1,因此输出节点确定度为lo2)反向求稳含层节点的确左度，即将输出层节点确定度经权值作用向前传播。因为输出节点确定度为1,故隐含层节点的确定度为lXwilrvil。3)求输入层的确定度,对每个隐含层的节点i,每个输入层节点j,将权值wij和wil相乘,得到图2粗纱CV和单重预报值与实测值相关分析Fig.2Relevantanalysisbetwecnthepredictandmeasuredvalueoftherovingunevenness(a)andweight(b)Pijwijwli(4)将Pij当量化后得到Qij••PN(5)P••j1对于每一个输入层节点j,将Qij求和，得到输入层的确定度 Si••1J(6)i1可以得到各输入变量(因子)对输出变量的影响比例，即输入因子的贡献率RIJSiN100%(7)和粗纱单重的贡献率,如下表1所示。对与粗纱CV值(R1)而言,长度离散系数(X6)、粗纱捻系数(X13)、纤维平均肓径(X3)为其影响作用最人的3个因素，贡献率分别为20.7%、13.9%和10.3%。刈粗纱单重(R2)來说，対其影响最大的几个参数是长度离散系数(X6)、毛条毛粒(X10)、毛条回潮率(XI),贡献率分别为19.1%、1&1%和17.5%。j1Si在模型可靠和准确的条件下，把训练好的BP网络模型的网络权重取出來，运用上面提到的方法，分别计算得出各输入因子对粗纱CV值表1各输入因子的贡献率Tab.1Eachinputparameterscontributionratio%粗纱质量R1R2XI1.917.5X2X3X4 毛条原料参数X5X6X7X8X9X105.918.1前纺工艺参数XII6.30.5X123.57.0X1313.99.66.110.37.91.51.56.04.120.73.519.18.77.43.36.04.05.72.5多元线性冋归对比评价作为比较,运用多元线性回归法(MLR)分别建立上述13个输入参数与R1和R2间的多元线性回归方程。由于这些原始数据的数量级相差很大，町能会造成回归系数很小，为此需要对原始数据进行当量化处理，即把原始数据标准化到［01］区间。采用最小最大值的标准化,可以使数据在［01］区间上获得良好的分布，如式(8)。亍(i)v(i)min(i)要性和次序是不同的，表明各自变量间有交互或相关性。3结论 通过BP人T神经网络技术，玄接利川生产历史数据，建立粗纱CV值、粗纱单垂预测模型，以实现对粗纱加工和质量的预报，所建模型的平均相对误差都低于3%。采用未参与建模训(8)练的样本数据验证，其预报模型的预报结果与max(i)min(i)实测结果间的相关关系R2都高于0.95。利用所将标准化后的数据进行多元线性冋归拟合，建立的模型对粗纱T序各输入参数的重要性分分别得到R1和R2的回归方程，并经显著性检验，说明2个方程都冇显著性。析，将输入参数重耍性分成3个系列重耍参数、较为重要参数和不重耍参数，具体结果如下：1)对与粗纱CV值(R1)而言，垂要参数为长度离散系数(X6)、粗纱捻系数(X13)和纤维平均直径(X3),其贡献率分别为20.7%、13.9%和10.3%。较为重要的影响因子(5%^10%)依次为短毛率(X7)、直径离散系数(X4)、毛条重量(X8)、前纺总并合次数(XII)、毛条含油率(X2)、毛条毛通过回归可以看出，对粗纱CV值(R1)影响因索由大到小依次为：X13>X6>X3>X5>X7>X8>X10>X9>X2>X4>XI>X12>XII；而对于粗纱单重(R2)來说，依次为：X6>X8>XI>X9>Xll>X7>X2>X3>X10>X13>X4>X5>X12。显然重粒(X10)o不重要的参数(〈5%)依次为纤维平均长度(X5)、前纺总牵伸倍数(X12)、毛条重量不匀率(X9)、毛条回潮率(XI)；2)对粗纱单重(R2)來说，重要参数为长度离散系数(X6)、毛条毛粒(X10)和毛条回潮率(XI),其贡献率分别为19.1%、1&1%和17.5%o较为重要的影响因子(5%~10%)依次为粗纱捻系数(X⑶、前纺总牵伸倍数(X⑵、直径离散系数(X4)、短毛率(X7)、毛条重量不匀率(X9)。不重要的参数(〈5%)依次为毛条重最(X8)、纤维平均长度(X5)、毛条含油率(X2)、纤维平均直径(X3)、前纺总并合次数(XII)。对比多元线性冋归分析，对粗纱CVffi來说，最重耍的3个影响因子都是长度离散系数(X6)、粗纱捻系数(X13)和纤维平均直径(X3)o对粗纱单重而言，采用BP网络权重法得出最重要的3个参数为长度离散系数(X6)、毛条毛粒(X10)和毛条回潮率(XI)o而多元回归分析得出的是长度离散系数(X6)、毛条重量(X8)和毛条冋潮率(XI),两者略有差异，可见两种参数重要性评价具有较好的一致性，而冃BP网络法可以量化。粗纱工序输入参数重要性定量评价法，通过运川历史数据的BP网络建模技术，找出了各参数对其质量的重要程度，为合理调配粗纱工艺，达到最优的粗纱质量提供了参考。参考文献(五号黑体，1.5倍行距) [1]刘曾贤.精毛纺前纺各过程理论不匀率指数的研讨[J].毛纺科技，1999(6):5-12.(小五宋体)LIUCengxian.Astudyonthetheoreticalirregularityindexforthepreparatorypassagesofworstedspirming[J]・WoolTextileJournal,1999(6):5-12.[2]DONGKuiyong,YUWcidong・AworstedyarnvirtualproductionsystembasedonBPneuralnetwork[J]・JournalofDonghuaUniversity:EngEd,2004,21(4):34-37.(小五Rome)[3]于伟东，杨建国.纺织工业中的虚拟加工技术与模式[J].纺织导报，2005(7):10-16,22.YUWeidong,YANGJianguo.Virtualmanufacturingtechnologyandmodelsfortextileindustry[J].ChinaTextileLeader,2005(7):10-16,22.[4]DavidERumelhart,GeoffreyEllinton,RonaldJWilliams.Learningrepresentationsbyback-propagatingerrors[J].Nature,1986(323):533-536.[5]Hecht-NielsonR・Theoryoftheback-propagationneuralnetwork[C]//TEEE.TnternationalJointConfereneeonNeuralnetworks.Washington:[s.n.].1989:53.[6]LVZJ,XIANGQ,YINXG,etal.Aknowledge-reusebasedintel1igentreasoningmodelforworstedprocessoptimization[J].JournalofDonghuaUniversity:EngEd,2006,23(1):4~7.[7]王秀坤，张晓峰.用一组单输出的了网络代替多输出的BP网络[J].计算机科学，2001,28(10):61-63.WANGXiukun,ZHANGXiaofeng.AnewarchitectureofneuralnetworksarrayreplacingofamultipleoutputsBPmodelnetworks[J].ComputerScience,2001,28(10):61-63. [1]高大启.有教师的线性基木函数前向三层神经网络结构研究[J]・计算机学报,1998,21(1):80-86.GAODaqi・Onstructuresofsupervisedlinearbasisfunctionfeedforwardthroe-layeredneuralnetworks[J].ComputerScience,1998,21(1):80-86.[2]吴辉，钱国坝，华兆哲，等.新型碱性果胶酶用于棉针织物精练的工艺优化[J]・纺织学报，2008,29(5):59-63.WUHui,QIANGuodi,IIUAZhaozhe,etal.Optimizationofscouringofknittedcottonfabricswithanew-typealkalinepectinase]〕].JournalofTextileResearch,2008,29(5):59~63.[3]WuCT,McCulloughRL.Constitutiverelationshipsforheterogeneousmaterials[C]//IIolisterGS.DevelopmentsinCompositeMaterials.London：AppliedSciencePublishersLtd,1997：119-187.参考文献格式参考文献的数LI应大于10篇，且尽量少引用图书类（M类）文献，多引用近两年來在国内外连续出版物上刊登的论文文献。若参考过本刊论文的请勿忘标注在参考文献中。参考文献执行中华人民共和国国家标准GB7714—2005《文后参考文献著录规则》，只列主要的，未公开发表的资料勿引用，著录格式采用顺序编码制。即「I起,凡参考文献为中文类的（包括专苦、期刊、报纸、论文集、专利、标准、电子文献等）要有一一对应的英文内容，即需将各著录项廿均翻译成英文，且必须按原发期刊英文形式标注，如原发刊物不含英文题口，自行翻译时请注意其准确性；若参考文献为非屮文类的（如英文），则无需翻译。英文内容要另起一行标注。要求英文姓全部大写。【示例】[1]吴擀，钱国1•氐，华兆禅，等.新型碱性果胶酶用于棉针织物精练的丁艺优化[J].纺织学报，2008,29（5）:59-63.WUHui,QIANGuodi,IIUAZhaozhe,etal.Optimizationofscouringofknittedcottonfabricswithanew一typealkalinepectinase[J].JournalofTextileResearch,2008,29（5）:59-63.1）文后以“参考文献：”（左顶格）作为标识，参考文献表按文中引用的先后顺序编码依次排列，顶格编排，编码用阿拉伯数字著录，加方括号、不用标点，后空一字，按著录耍求规定依次著录，冋行时与首行著录项齐平。每条文献单独排，最后均以“・”结束。2）文中引用的参考文献必须在正文中有标注,如⑵,[3-5]不宜写成[3][4][5]等。 3）题名、摘要、标题屮不得标注参考文献，文末按引用顺序著录。作考一•律采用姓前名后的方式著录（外文作者名应缩写），作者间用“，”间隔，作者少于3人应全部写出，3人以上只列出前3人,后加“等”或“etal"。4）文献的作者，期刊名的缩写一律不加缩写点，缩写的单词要国际通用的缩写方法，不可随意缩写。5）多次引用同一苦者的同一文献时，在正文中标注首次引用的文献序号，并在序号的“［］”外著录引文页码，如［3］123。6）凡是从期刊中析出的文献，应在刊名Z后注明其年份、卷、期、部分号、页码。如2006,27（8）:25-28.如查不到卷数仅有期数,则写成2006（8）:25-26。7）凡是从报纸中析出的文献，应在报纸名后著录具出版日期与版次。如2000-03-14（1）8）题名Z后如有其他题名信息，包括副题名、多卷书的分卷书名、卷次、册次等，则Z间用隔开。如东华人学学报：自然科学版，世界出版业：美国卷等。著录格式例举如下。例1专著（图书、学位论文，技术报告，多卷书等）［序号］主要责任者.题名：其他题名信息［文献类型标志（电子文献必备，其他文献任选）］.其他责任者（任选）.版木项.出版地：岀版者，岀版年：引文页码［引用日期］（联机文献必备，其他电了文献任选）•获取和访问路径.（联机文献必备）.［1］姚穆，周锦芳，黄淑珍，等.纺织材料学［M］.2版.北京：中国纺织出版社，1997：147.［2］李慧敏.面向电子化量身览制服装eMTM三维人体测量数据库德研究-与实现［D］・上海：东华大学，2005.［3］HintonE,OwenDR.FiniteElementProgramming［M］.NewYork：AcademikPressInc,1977：124-140.例2专著中的析出文献（论文集、汇编等）［序号］析出文献主要责任者.析出文献题名［文献类型标志］•析出文献其他责任者//专箸主要责任者•专著题名：其他题名信息.版木项.出版地：出版者，出版年:析出文献的页码［引川日期］.获取和访问路径.［4］马克思.关于《T资、价格和利润》的报告礼记［M］//马克思，恩格斯.马克思恩格斯全集：第44卷.北京：人民出版社，1982：505. [5]胡伯陶.天然彩色棉的状况和产业发展的研究[C]//刘树梅，尹咐冬，李瑞萍，等.第九届全国花式纱线及其织物技术进步研讨会论文集.北京：中国纺织信息中心，2002:24-33.[6]WUCT,McCulloughRL.Constitutiverelationshipsforheterogcneousmaterials[C]//HolisterGS.DovelopmentsinCompositeMaterials.London：AppliedSciencePublishersLtd,1997：119-187.例3连续岀版物(期刊、报纸等)屮的析岀文献[序号]析出文献主要责任者•析出文献题名[文献类型标志]•期刊或报纸题名：其他题名信息，年，卷(期)：页码[引用口期]•获取和访问路径.[7]林红，陈宇岳，任煜，等.经等离子体处理的蚕丝纤维结构与性能[J]・纺织学报,2004,25(3):9-11.[8]丁文祥.数字革命与竞争国际化[N].中国青年报,2000-11-20(15).[9]LIUZhehui,ZHUXiaoguang,WULixin.Effectsofinterfacialadhesionontherubbertoughcningofpoly(vinylchloride)1：Impacttests[J].Polymer,2000,42(3):737-746.例4专利文献[序号]专利中请者或所有者.专利题名：专利国别，专利号[文献类型标志]•公告日期或公开日期[引丿1JH期].获取和访问路径.[10]陈安磐，龚熹.梳棉机道夫传动装置：屮国，88217670.6[PJ.1989-06-21.[1]NarisawaI,ZhanMS,ItiiII,etal.Polyamideresins：JPPatent,C08J,100119[P].1996-04-16.例5电子文献[序号]主要责任者.题名：其他题名信息[文献类型标志/文献载体标志]•出版地：出版者，出版年(更新或修改日期)[引用日期]•获取和访问路径.[13]傅刚，赵承，李佳路.大风沙过后的思考[N/OL].北京青年报，2000-04-12(14)[2005-07-12].bjyouth/Bqb/20000412/GB/4216%ED0412B1401.him.[14]莫少强.数字式中文全文文献格式的设计与研究[J/OL].情报学报，1999,18(4):1-6[2001-07-08].periodical,wanfangdata/periodical/qbxb/qbxb99/qbxb9904/990407.him.[15]0nlineComputerLibraryCenter,Inc.HistoryofOCLC[EB/OL].[2000-01-08].oclc・org/about/history/defauIt.htm. 注：1）文献类型标志如下：普通图书M,会议录C,汇编G,报纸N,期刊J,学位论文D,报告R,标准S,专利P,数据库DB,计算机程序CP,电子公告EBo2）电子文献载体类型标志如下：磁带MT,磁盘DK,光盘CD,联机网络0Lo