BP神经网络在纺织服装上的应用

张国强，张增强，贺咏梅

（1.五邑大学，广东 江门529020；2.天津工业大学，天津300387）

BP神经网络是人工网络的重要模型之一，目前80%～90%的人工神经网络模型是采用BP网络或它的变化形式。BP神经网络全称是误差向后传播网络（error back－Propagation），是一种应用广泛且理论上能够逼近任意非线性函数的算法，它是一种典型的前馈多层神经网络，其模型的基本要素是：神经元、输入层、隐含层、输出层、激活函数及权值和偏差。神经元是构建神经网络模型的基本单元，输入层、隐含层及输出层构成了网络模型的基本轮廓。层与层之间全部互相连接，同层各神经元之间相互不连接，相邻层的神经元通过权重连接，权重的调整采用反向传播的学习算法［1］。BP神经网络结构示意图见图1。

BP神经网络优点是在处理和解决问题时，不需要找出一个精确的数学模型，而是通过其强大的自学习能力和结构的可变性，逐步适应外部环境各因素的作用，不断修改自身的结构，而达到解决问题的目的［2］。用BP神经网络方法，只要样本点和训练次数足够多，网络模型就能作出准确预测。目前BP神经网络技术越来越多地被应用到纺织服装领域处理复杂的非线性问题，如利用人工神经网络预测纱线的强度、织物疵点的鉴别、织物缝合性能的评价、织物热阻的预测，织物染色性能预测和服装结构设计等。

1 BP神经网络的工作原理

图1所示是包含多个隐含层的多层BP神经网络的模型结构。BP网络不仅含有输入节点（Xi）和输出节点（Oi），而且含有一层或多层隐（层）节点，输入信号先向前传递到隐节点，经过作用后，再把隐节点的输出信息传递到输出节点，最后给出输出结果。BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐单元层逐层处理后，传至输出层。每一层神经元的状态只影响下一层神经元的状态。如果在输出层得不到期望输出，那么就转为反向传播，把误差信号沿原连接路径返回，并通过修改各层神经元的权值，使误差信号最小［3］。

图1 BP神经网络结构示意图

2 BP神经网络在纺织服装上的应用

BP神经网络可以在只获悉纤维、纱线或织物基本结构参数及物理参数的前提下对织物的性能进行预测，以达到控制质量、预测质量、优化工艺的目的。BP神经网络为织物各项性能指标的准确快速预测提供一种极其可行的智能化工具。

2.1 BP神经网络在纺纱过程中的应用

在纺纱过程中，BP神经网络的主要应用是对纱线质量的预测、控制及优化工艺等。

姚志利，欧建文［4］采用BP神经网络建立洗毛工艺参数与洗毛质量之间关系的模型，根据已有数据对网络进行训练，并用学习后的神经网络对新工艺进行判别，结果表明：BP神经网络模型输出状态与洗毛状态非常接近，误差低于3.4%，可以用于对洗毛新工艺的判别。

吴家碚［5］采用BP神经网络对纱疵的非线性数据分类情况进行了实验与分析，对实验结论进行验算，得出了神经网络在基本原理上是完全能够实现纱疵非线性分类的结论，为新一代电子清纱器的雏形奠定了基础。李惠军，朱磊［6］研究基于BP人工神经网络的纱线毛羽预测问题。以棉纤维的7项品质指标作为输入参数，以棉纱的毛羽指数H指标作为输出参数，通过使用36组数据分别进行网络模型训练，建立了棉纤维品质指标与纱线毛羽的非线性模型，结果表明：BP人工神经网络模型的预测速度和精度较好。

董奎勇，杨萍［7］利用BP神经网络及其算法，分别建立了两类细纱条干不匀率CV值预报模型，并对预报结果分别作了对比分析，得出了两类模型的最佳结构。

聂琼［8］研究了基于BP人工神经网络的纱线强度CV值预测问题。以棉纤维的七项品质指标作为输入参数，以纱线的强度CV值指标作为输出参数，通过使用28组数据分别进行网络模型训练，最终选定纱线强度CV值的模型结构进行预测，验证了BP人工神经网络模型的预测精度。

此外，谈洪珞［9］通过对神经网络的训练快速预测到纱线的强力，在生产实践中用来检验或设计纱线。郝海涛，谢春萍［10］结合BP神经网络以及AFIS系统的特点，建立了从原料到纱线强力的预测模型，分析了原料对纱线强力的影响，利用BP神经网络和AFIS建立完善的纱线质量预测系统以及专家诊断系统对纱线质量控制以及工艺调整做出了一定指导。

张美忠，吴磊［11］建立了输入层有合股捻度、单纱捻度、单纱强度三个节点，两个隐藏层，输出层有股线强度，股线断裂伸长率两个节点的三层BP神经网络模型。采用Levenberg－Marquardt优化算法，用 Matlab 6.1进行了仿真，对股线的拉伸力学性能进行预测，预测结果与实验结果吻合。

刘贵，于伟东［12］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之间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺企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。认为BP网络法比多元回归显著性分析（MRSA）更为精准，可用于对实际生产加工的预报和控制。

林森［13］利用BP神经网络较强的学习能力，对羊毛和粘胶的混纺纱线横截面图像进行识别分析。通过对实例图像进行预处理，提取特征数据。应用主成份分析法进行数据降维并利用BP神经网络进行机器学习及识别分类，取得了与实际相符的羊毛和粘胶两种材质的分离效果。

2.2 BP神经网络在织造工艺和织物性能研究上应用

BP神经网络在织造过程中的应用主要有浆纱质量的预测，织物疵点的鉴别，织物缝合及粘合后性能的评价，织物风格、拉伸性、透通性及热湿舒适性等物理性能的预测。

浆纱是织造生产过程中关键的一道工序，直接影响着织造质量和生产效率。杨艳菲，崔世忠等［14］人采用BP神经网络建立浆液浓度、浆槽温度、浆纱机速度、压浆辊压力三个工艺参数与上浆率之间的关系，进而根据已确定的工艺参数对上浆率进行预测，最后根据上浆率的大小调整工艺参数，从而保证准确控制上浆率。张林龙［15］在分析研究影响浆纱质量因素的复杂性及各因素与浆纱质量之间关系的基础上，运用神经网络模型对浆纱质量进行预测，结果具有较好的准确性，相对误差可以控制在±2%，而且网络运行性能良好。

刘建立，左保齐［16］建立三层BP神经网络对织物疵点进行识别，提出织物疵点识别网络不适宜规则。将其应用于隐含层神经元个数选择和训练方法筛选，以优化网络结构，提高训练速度和网络识别精度，设计出较优的织物疵点识别网络。将丝织物中常见的断经、断纬、重纬、档疵、破洞和油污六类疵点作为识别样本，对不适宜网络规则的设计网络进行测试。结果表明网络识别正确率高，识别速度快。

织物风格是人们凭触觉、视觉等官能获得的关于纺织织物品质的评价。织物风格包括织物的触感风格（手感）和视觉风格（观感）。成玲，万振凯等［17］人讨论BP神经网络在织物风格识别中的应用，有效解决了织物风格评定问题。曹建达，顾小军等［18］人先以织物手感主观评定测出结果，再将KES－FB测试系统测得的12块棉及棉型织物的18个物理量用人工神经网络进行了预测，表明以BP神经网络构建织物手感主、客观评价之间关系的预测模型是可行的。曹建达［19］采用BP神经网络技术建立和训练反应织物结构参数与织物悬垂性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测棉织物悬垂性能有相当的准确性。

织物的折皱回复性、拉伸性及剪切性能对织物的应用有很大影响。裴华强，郑德均［20］通过选取织物原料组成、经纬密度、抗弯长度、织物厚度及重量等重要影响因子作为神经输入元，将折皱回复角值作为输出目标，探讨了将神经网络理论用于织物折皱回复性能的直接预测。梅兴波，顾伯洪［21］采用BP神经网络技术建立反映织物结构参数、纱线参数与织物拉伸性能间关系的三层神经网络模型，根据影响织物拉伸性能的各种参变量，用动量在学习率自适应调整的算法训练模型。通过预测值和实验值的比较，表明用BP神经网络方法预测织物拉伸性能有相当的准确性。徐广标，王府梅等［22］人在33种精纺毛型织物实验数据的基础上，利用BP神经网络建立了精纺毛型织物剪切性能与织物结构参数之间的网络模型，并对模型进行验证和评估。

织物热湿舒适性和透通性是表征织物舒适性的重要指标。纤维性质、纱线结构和性质，及织物的结构与性质，均会影响织物的热湿传递及通透性能，它们之间存在着复杂的非线性关系。研究者们利用神经网络能够逼近任意非线性函数的优点对织物热传递进行了深入研究。楚艳艳，汪青等［23］人建立了由织物种类、面密度、厚度、透气性和回潮率5个结构参数作为输入层神经元，织物热阻和湿阻作为输出层神经元的BP神经网络预测模型。预测实验表明，热阻和湿阻的平均估计误差分别为0.38和0.18，为研究织物的热阻和湿阻性能提供有效的预测方法。曹建达［24］采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，准确预测了织物透气性能。徐光标，王府梅［25］也建立了织物透气性能与织物结构参数之间的神经网络模型，并重新采集7种织物对网络模型进行验证和评估，神经网络运行良好。

2.3 BP神经网络在染整工艺上应用

BP神经网络在染整过程中的研究主要有计算机染色配色和预测织物K／S值。

李莉，张秉森［26］利用BP神经网络建立染料浓度与三刺激值的关系，对计算机染色进行了初步研究。王巍娟等［27］人依据计算机配色理论，提出了一种基于隐层输出反馈改进的BP网络训练算法应用于织物染色配色的算法，并按照此算法进行了织物染色的计算机配色实验。实验验证了人工神经网络算法在织物染色配色中应用的可靠性。王汇锋等［28］人通过CCD数码相机代替传统的光谱光度计作为系统的成像摄入部分，采用BP人工神经网络技术对颜色进行识别、分类，并实现了配色。

姜会钰，杨锋等［29］人将不同的活性染料染色工艺参数和对应的染色织物K／S值输入神经网络作为训练，再输入其它染色参数值，预测染色织物K／S值。结果表明BP神经网络预测结果和试验值的相关系数达到了0.995。

2.4 BP神经网络在服装中的应用

BP神经网络作为一种新的信息处理方法和处理非线性不确定性问题的强大工具在服装上也有广泛用途，如服装样板设计、服装流行款式及流行色的预测、服装加工性能控制等

吴俊，温盛军［30］将西装成品规格尺寸作为输入参数，细部规格尺寸作为输出参数，逐点训练神经网络，研究其非线性映射关系，建立西服样板设计的BP神经网络模型。

狄宏静，刘冬云等［31］人运用BP神经网络任意函数模拟功能，在分析流行色周期变化的基础上，建立4年为1个预测周期的滑动窗模型，全面而连续地预测了流行色。

3 结论

BP神经网络具有并行处理的功能和良好的非线性映射逼近性能，广泛地应用到各个领域处理复杂的非线性问题。但人工神经网络在纺织服装方面的应用与在其他各领域的应用相比还处于起步阶段。许多方面的研究还有待于深化，如基于人工神经网络的计算机自动控制系统（纺纱、整经等工序）的研究等。随着人工神经网络软件和硬件功能的不断提高，BP神经网络技术将成为纺织领域强有力的工具。

［1］刘会灯，朱飞.MATLAB编程基础与典型应用［M］.北京：人民邮电出版社，2008.

［2］张立明.人工神经网络的模型及应用［M］.上海：复旦大学出版社，1993.

［3］Stephen J.Chapman，MATLAB Programming for Engineers（Second Edition）［M］.Australia：CL－Engineering，2008.

［4］姚志利，欧建文.BP神经网络在洗毛工艺中的应用［J］.山东纺织科技，2009，（2）：39—41.

［5］吴家碚.电子清纱器神经网络实现方案［D］.四川：西南交通大学，2006.

［6］李惠军，朱磊.基于BP人工神经网络的纱线毛羽预测研究［J］.棉纺织技术，2011，39（1）：39—41.

［7］董奎勇，杨萍.预报细纱条干不匀率的BP神经网络方法［J］.北京纺织，2002，23（5）：56—59.

［8］聂琼.基于BP人工神经网络的纱线强度CV值预测研究［J］.轻纺工业与技术，2011，40（5）：102—104.

［9］谈洪珞.用神经网络来预测缕纱强力［J］.山东纺织科技，2004，（2）：51—53.

［10］郝海涛，谢春萍.利用AFIS与神经网络预测纱线强力［J］.上海纺织科技，2003，31（4）：61—63.

［11］张美忠，吴磊.基于BP神经网络的股线力学性能数值预报［J］.东华大学学报（自然科学版），2004，30（3）：97—100.

［12］刘贵，于伟东.毛精纺前纺工艺参数重要性的BP网络定量评价法［J］.纺织学报，2008，29（1）：34—37.

［13］林森.纱线横截面图像中的材质识别［J］.南通纺织职业技术学院学报（综合版），2011，11（2）：18—21.

［14］杨艳菲，崔世忠等.BP神经网络预测上浆率［J］.纺织学报，2006，27（10）：57—59.

［15］张林龙.神经网络技术在浆纱质量预测中的应用研究［D］.江苏：苏州大学，2006.

［16］刘建立，左保齐.BP神经网络在织物疵点识别中的应用［J］.纺织学报，2008，29（9）：43—46.

［17］成玲，万振凯，等.基于神经网络的织物风格识别系统探讨［J］.纺织学报，2002，23（3）：69—70.

［18］曹建达，顾小军，殷联甫.用BP神经网络预测棉织物的手感［J］.纺织学报，2006，24（6）：35—37.

［19］曹建达.BP神经网络预测棉织物悬垂性能［J］.上海纺织科技，2003，31（4）：59—60.

［20］裴华强，郑德均.基于神经网络的织物折皱回复性能预测［J］.纺织科技进展，2008，（6）：56—59.

［21］梅兴波，顾伯洪.BP神经网络预测织物拉伸性能［J］.东华大学学报（自然科学版），2001，27（3）：64—67.

［22］徐广标，王府梅，等.基于神经网络的织物剪切性能的预测研究［J］.东华大学学报（自然科学版），2004，30（3）：109—113.

［23］楚艳艳，汪青，等.BP人工神经网络在估计织物热湿阻方面的应用［J］.中原工学院学报，2006，17（4）：9—11.

［24］曹建达.棉织物透气性能的BP神经网络预测研究［J］.棉纺织技术，2003，31（11）：19—21.

［25］徐光标，王府梅.基于BP神经网络的精纺毛织物透气性能的预测［J］.毛纺科技，2008，（2）：54—56.

［26］李莉，张秉森.基于BP神经网络的织物染色计算机配色方法研究［J］.系统仿真技术，2006，2（4）：217—221.

［27］王巍娟，等.隐层改进的BP网络在织物染色配色中的应用［J］.青岛大学学报（工程技术版），2008，23（4）：40—44.

［28］王汇锋，等.基于人工神经网络的颜色识别方法在毛纺测配色系统中的应用［J］.毛纺科技，2006，（1）：14—16.

［29］姜会钰，杨锋，等.BP神经网络预测活性染色织物K／S值［J］.印染，2007，（9）：23—24.

［30］吴俊、温盛军.BP神经网络在西服样板设计中的应用［J］.纺织学报，2008，29（9）：113—116.

［31］狄宏静，刘冬云，等.基于BP神经网络的春夏女装流行色预测［J］.纺织学报，2011，32（7）：111—116.