BP神经网络在服装人体工效学中的应用

刘晓航 刘莉

摘要：文章通过介绍BP神经网络在服装样板自动生成、号型选择和服装舒适性预测等服装人体工效学领域的研究进展，表明BP神经网络作为一个智能化工具，可简化服装人体工效学中一些复杂问题的能力，特别对解决由诸多非相关因素共同影响下的服装舒适性等问题具有重要的意义。

关键词：BP神经网络；服装人体工效学；样板自动生成；服装舒适性

中图分类号：TS941.17 文献标志码：A

The Application of BP Neural Network in Clothing Ergonomics

Abstract： By introducing the progress in the research of clothing ergonomics such as automatic prototype genera-tion， the choice of size designation and clothing comfort forecast， the article shows that， as an intelligent tool， BP neural network has the ability of simplifying some complicated problems of clothing ergonomics， and especially it has significant meaning in solving clothing comfort problems influenced by various unrelated factors.

Key words： BP neural network； clothing ergonomics； automatic prototype generation； clothing com-fort

随着人工神经网络技术的发展和不断完善，神经网络越来越多地应用在服装样板自动生成、服装号型选择、服装舒适性预测等方面。

1 样板自动生成

胡觉亮、董建明以样板师设计的版型样本作为神经网络的学习内容，以腰围、臀围等人体尺寸为输入参数，以直裆、起翘量等女裤装设计中的重要参数作为输出参数建立了BP神经网络模型，对女裤装的样板生成作了初步的研究。结果表明，实际输出值与期望值基本吻合，该模型能够快速准确地进行合体的女裤装版型设计。

Zhihua Hu在BP神经网络的基础上结合免疫协同进化算法（ICEA）与遗传算法（GA），搭建了两种混合神经网络NN-ICEA与NN-GA。裤装尺寸作为输入，得到预测参数后，应用ICEA与GA算法选择最适合的裤装尺寸。实验比较发现，NN-ICEA算法相比较NN-GA算法更加准确，可见混合神经网络将会提高服装版型设计的准确性。

Yinglin Li设计了一种衬衫版型设计的BP神经网络模型，通过输入人体腰围、肩宽等 5 个参数，得到18个衬衫待设计的参数。网络以sigmoid作为激励函数，以梯度下降法为训练函数进行学习。实验预测结果与实际值几乎完全吻合，故该模型能够学习具有多年设计经验的设计师的技术，简化设计流程，如将该模型应用于CAD软件系统中，能够减少对设计师经验的依赖，提高系统的智能化。

于辉、郑瑞平将测试者主要身体部位尺寸作为输入参数、旗袍样板尺寸作为输出参数，对旗袍的版型设计进行了研究。该网络经测试发现，输出结果与实际样本结果基本吻合，误差平方和达到0.000 1，进一步证明神经网络能够模拟样板师进行合体服装的版型设计，为MTM系统提供了理论与技术参考，为服装智能化生产提供依据。

吴俊、温盛军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，建立西服样板设计的BP神经网络模型。研究表明，运用所设计模型进行西服样板设计，具有较高的灵敏度。该研究为实现服装的3D款式造型系统自动生成2D 样板及智能化服装生产提供了理论与技术参考。

王竹君等在标准BP神经网络的基础上添加自适应学习率并附加动量因子，从而提出了一种优化的男西服规格尺寸自动生成的预测模型。

2 号型推荐

东苗、郝矿荣将神经网络和专家系统相结合应用于服装号型推荐，通过定义方案矩阵、权重矩阵和匹配度矩阵规范了服装号型的推荐流程。其神经网络模型中的输入层、隐含层、输出层节点数分别为10、4、1。身高、臂长等女性个体尺寸为输入参数，推荐号型为输出参数，以trainbpx为训练函数，对模型进行训练。通过对5·4系列女长袖衬衫的号型进行推荐，该方法的可行性、有效性得到了验证。依托该方法能够为顾客在线购买服装提供全面、客观、高效、科学的决策参考。

3 服装舒适性预测

Debarati Bhattacharjee利用BP神经网络提出了一种预测织物面料热稳态和热传递特性的方法。实验证明该方法具有良好的预测织物面料热力学特性的能力。Fayala提出了一种基于BP神经网络的面料热导率预测方法。以纺线导电率、单位面积重量、孔隙度和透气性为输入参数，以面料热导率为输出参数建立模型。经实验分析相关系数达0.913，能够准确预测面料热导率。Jialin Feng以5 个面料客观动力热湿特性为输入参数，以热感、湿感、刺痛感、运动后寒冷感等 4 种主观评价因子作为输出参数，建立了热湿舒适性的客观评价与主观评价的联系模型。验证后发现误差值都小于0.5，能较准确地将主观与客观热湿舒适性评价法联系起来。

孔令剑、晏雄基于BP神经网络模型对织物的透湿性做了相关研究。以原料、织物厚度等织物参数作为输入参数，以不同时刻的相对透湿率作为输出参数，该模型对织物的透湿性具有较好的预测作用。

孟祥令以面料力学性能与触压舒适性评价存在相关性为基础，提取了面料力学性能的因子作为输入参数，建立了基于BP神经网络的着装触压舒适性的客观评价模型，并通过该模型探讨了着装舒适感知中的松紧感、柔软感、粗糙感、压迫感、总体舒适感等 5 个输出参数。研究发现，BP神经网络对松紧感与压迫感的预测较好，准确率在88%以上，而且适当提高样本训练数量可以提高训练精度。

孙菲菲通过自行开发的多重态度标尺和穿着实验系统获取主观实验数据并通过信度分析方法进行实验数据有效性检验来获取可靠实验数据。采用神经网络的模型预测人体感觉与服装整体舒适性的关系，以紧、热、瘙痒等10个单独的心理感觉为输入参数，输出参数为综合舒适度。经实验验证，模型能够准确地预测服装整体舒适性。由于能够获取模型中各变量之间的关系与相对重要性，因而对服装的面料选取、设计过程能够提供重要的指导。

Zhiying Cui建立了自适应BP神经网络系统，用来预测隔热服装的防热性能。以梯度下降法求取误差值，利用动量因子和自适应学习速率，解决标准BP神经网络系统中的收敛速度过慢与陷入局部最小化的问题。以织物重量、厚度、经纱密度、纬纱密度等 9 个面料特性为输入参数，防热性能率为输出参数，对模型进行训练。结果表明，防热性能率预测值与实验值基本吻合。

吴志明、陈星毅探讨了服装压力值与感觉因子之间的关系，建立了BP神经网络模型，对颈部压力舒适阈值进行了预测。发现人体颈部舒适阈值为1.046 kPa，超过1.258 kPa时人体将感觉不适。高婕以各个测试点压力值为输入参数、以生理指标为输出参数，建立了BP神经网络模型，验证了女性穿着运动内衣时生理指标的舒适阈值。此研究为女性运动内衣设计提供生理指标数据参考，有助于设计出更符合人体工学的女性运动内衣。

4 结论

基于BP神经网络的预测模型将理论与实践结合起来，解决了一些服装设计生产中的问题。可以预见到，随着人工神经网络软硬件技术的不断变革发展，BP神经网络与服装人体工效学的结合会更加紧密，并且在预测能力上更加准确和高效。

参考文献

[1] 胡觉亮，董建明，何瑛，等.基于人工神经网络的服装结构设计[J].纺织学报，2006，37（2）：49-52.

[2]于辉，郑瑞平.基于BP神经网络的MTM中合体服装样板生成研究[J].北京服装学院学报（自然科学版）， 2013，36（1）：35-41.

[3]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，2016，37（9）：113-116.

[4]王竹君，李婷玉，邢英梅，等.改进型BP 网络在男西服规格尺寸自动生成上的应用[J].武汉纺织大学学报，2014，29（6）：36-39.

[5] 东苗，郝矿荣，丁永生.基于模糊神经网络的服装号型推荐专家系统[J].微型电脑应用，2010，26（3）：21-23，26，69-70.

[6] 孔令剑， 晏雄.神经网络技术在预测织物透湿性能上的应用[J].棉纺织技术， 2005，43（9）：21-24.

[7]吴志明，陈星毅.基于BP神经网络的颈部服装压舒适阈值的预测[J].天津工业大学学报，2010，29（5）：26-29.