周麗春，金福江

（華僑大學(xué) 信息科學(xué)與工程學(xué)院，福建 廈門361021）

棉針織物前處理過程的目的是使織物獲得良好的吸水性與白度，增加對染料的吸收性能，為完成染色創(chuàng)造良好的條件。如果能夠?qū)椢镂院桶锥冗M(jìn)行在線實(shí)時(shí)測量和估計(jì)，對于提高前處理加工質(zhì)量、降低染色生產(chǎn)水資源和助劑消耗具有十分重要的作用和意義。由于前處理過程工藝機(jī)理復(fù)雜，影響因素多，質(zhì)量指標(biāo)與影響因素之間具有較強(qiáng)非線性，難以建立精確軟測量模型，實(shí)現(xiàn)皂洗過程在線測量一直是染整行業(yè)未能解決的技術(shù)難題。本文基于統(tǒng)計(jì)學(xué)習(xí)理論的最小二乘支持向量機(jī)（LS－SVM），利用核技術(shù)和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則提高了學(xué)習(xí)機(jī)的泛化能力［1］，建立了棉針織物前處理過程在線軟測量模型，并以某染整廠棉針織物前處理過程為研究對象，通過實(shí)驗(yàn)證明了該軟測量模型的有效性。

1 棉針織物皂洗指標(biāo)與影響因素分析

棉針織物皂洗過程主要通過煮練、漂白兩步去除織物上的雜質(zhì)，因而液堿和雙氧水用量的控制是前處理過程工藝控制的關(guān)鍵。其中，在高溫堿性條件下，雙氧水進(jìn)行漂白時(shí)會(huì)形成氧化性很強(qiáng)的HO－2，該離子是參與反應(yīng)的主要成分，而液堿在前處理過程中不但起到煮練的作用，同時(shí)也是雙氧水的激活劑［2］。此外，溫度、時(shí)間都是堿氧一浴前處理的工藝要素。雙氧水的分解率隨溫度的升高而增加，因而前處理過程對于溫度的控制是保證半成品質(zhì)量的一個(gè)重要前提。綜上所述，確定試驗(yàn)主要因素為溫度、時(shí)間、液堿質(zhì)量濃度、雙氧水質(zhì)量濃度4個(gè)因素。

2 LS－SVM建模方法

LS－SVM的基本思想是通過非線性變換將輸入空間變換為高維空間［3］。在高維空間中求取最優(yōu)線性分類超平面，而這個(gè)非線性變換是通過內(nèi)積核函數(shù)實(shí)現(xiàn)的。

設(shè)樣本為n維向量，某區(qū)域的l個(gè)樣本可表示為（x1，y1），（x2，y2），...，（xl，yl）。首先用一個(gè)非線性映射φ（·）把樣本從原空間Rn映射到特征空間φ（xl），在這個(gè)高維特征空間中構(gòu)造最優(yōu)決策函數(shù)y（x）＝wφ（x）＋b，這樣就將非線性估計(jì)函數(shù)轉(zhuǎn)化為高維特征空間的線性估計(jì)函數(shù)。LS－SVM以誤差ξi的二次項(xiàng)為優(yōu)化目標(biāo)函數(shù)，故優(yōu)化問題為

s.t. yi＝φ（xi）w＋b＋ξi（i＝1，2，...，l）

用拉格朗日法求解該問題，有：

式中：αi—— 拉格朗日乘子，i＝1，2，...，l。根據(jù)優(yōu)化條件：

通過式（3）可求得w和ξ，直接采用核函數(shù)K（xi，x）代替內(nèi)積φ（xi）φ（x）。求得α和b，最后應(yīng)用LS－SVM對非線性函數(shù)進(jìn)行回歸分析的結(jié)果為

3 前處理過程工藝技術(shù)指標(biāo)建模

3.1 皂洗質(zhì)量指標(biāo)測試方法

a）白度。儀器校正后，將織物折疊成4層，在DatacolorSF600X型測色儀上測定，在織物上取3個(gè)不同點(diǎn)，測定后取平均值。

b）吸水性（毛效）。取長30cm，寬5cm的布條，在布條下端穿一根約2g的玻璃棒，用鉛筆劃一平直線，上端夾在夾板上，使其下端鉛筆線與液面相齊，記錄30min后液面上升的高度［4］。

3.2 皂洗過程建模

通過工藝機(jī)理研究結(jié)合實(shí)驗(yàn)分析，忽略影響較小的擾動(dòng)變量，如：穩(wěn)定劑的選擇、pH值、光線照射等。確定影響前處理過程工藝技術(shù)指標(biāo)的主要因素：溫度、時(shí)間、液堿質(zhì)量濃度、雙氧水質(zhì)量濃度為軟測量模型的輸入，織物的吸水性和白度分別為模型的輸出，設(shè)計(jì)實(shí)驗(yàn)方案，并完成實(shí)驗(yàn)分別得到吸水性、白度的各51組實(shí)驗(yàn)數(shù)據(jù)，其中44組數(shù)據(jù)用于模型訓(xùn)練，部分訓(xùn)練數(shù)據(jù)見表1所列，其余7組用于模型檢驗(yàn)。

表1 基于LS－SVM前處理過程模型訓(xùn)練的部分?jǐn)?shù)據(jù)

本文基于LS－SVM的棉針織物前處理過程模型以Matlab6.5為平臺(tái)，運(yùn)用LS－SVMLab工具箱1.5bw版完成對數(shù)據(jù)樣本的訓(xùn)練以及預(yù)測［5］，步驟如下：

a）對要訓(xùn)練的數(shù)據(jù)進(jìn)行歸一化預(yù)處理。由表1的數(shù)據(jù)可知，要訓(xùn)練的輸入和輸出數(shù)據(jù)值相差比較大，因而對要訓(xùn)練的數(shù)據(jù)進(jìn)行一定的預(yù)處理，可以加快訓(xùn)練速度。文中選用歸一化處理，把每組數(shù)據(jù)都變換為－1～1之間的數(shù)，當(dāng)訓(xùn)練得到輸出時(shí)，還必須進(jìn)行數(shù)據(jù)的反歸一化。

b）根據(jù)樣本集建立目標(biāo)函數(shù)并求解參數(shù)：選取樣本數(shù)l＝44，用非線性映射把樣本從原空間映射到特征空間，將非線性估計(jì)函數(shù)轉(zhuǎn)化為高維特征空間的線性估計(jì)函數(shù)。選取高斯徑向基函數(shù)作為支持向量機(jī)分類機(jī)的核函數(shù)：

相對來說，高斯徑向基在測試中表現(xiàn)出相對較小的錯(cuò)誤率、較強(qiáng)的學(xué)習(xí)能力。因此，直接采用高斯徑向基函數(shù)K（xi，x）代替內(nèi)積φ（xi）φ（x），求得參數(shù)，吸水性－0.443；白度－0.384；

c）選擇LS－SVM 的最佳參數(shù)（γ，σ2）：其中超參數(shù)γ決定了訓(xùn)練誤差大小和泛化能力強(qiáng)弱；核參數(shù)σ2反映了訓(xùn)練樣本數(shù)據(jù)的分布或范圍特性。通過二次格點(diǎn)搜索法和交叉驗(yàn)證對訓(xùn)練集進(jìn)行訓(xùn)練得到參數(shù)（γ，σ2）。再以該組參數(shù)為中心進(jìn)行細(xì)搜索，找到吸水性最優(yōu)參數(shù)（γ，σ2）＝（600，0.6）；白度最優(yōu)參數(shù)（γ，σ2）＝（500，0.4）。

通過以上步驟，得到吸水性：

白度：

最后以Matlab6.5為平臺(tái)，用LS－SVMLab工具箱1.5bw版進(jìn)行編程，完成對前處理過程質(zhì)量指標(biāo)的預(yù)測。

3.3 模型測試結(jié)果及分析

將用LS－SVM方法得到的吸水性、白度預(yù)測值與通過實(shí)驗(yàn)得到的實(shí)際值進(jìn)行對比，見表2所列。通過樣本訓(xùn)練得到模型的擬合系數(shù)，吸水性：R2＝0.999；白度：R2＝0.999，擬合效果較好。另外，作為比較，本文也應(yīng)用BP神經(jīng)網(wǎng)絡(luò)法得出了預(yù)測結(jié)果，并通過表2進(jìn)行對比。

表2 基于LS－SVM法與BP神經(jīng)網(wǎng)絡(luò)法的吸水性預(yù)測結(jié)果比較

結(jié)果表明，采用LS－SVM建立的棉針織物前處理質(zhì)量指標(biāo)毛效和白度模型具有較高的擬合精度，模型預(yù)測精度較高，相對誤差不超過1%，可以滿足染色生產(chǎn)對前處理加工質(zhì)量在線測量的要求。

4 結(jié)束語

本文在分析棉針織物前處理過程工藝技術(shù)指標(biāo)吸水性和白度相關(guān)影響因素的基礎(chǔ)上，采用最小二乘支持向量機(jī)建立了棉針織物前處理過程吸水性和白度軟測量模型。應(yīng)用該模型可以實(shí)現(xiàn)棉針織物前處理過程在線測量和控制，對提高前處理加工質(zhì)量，降低前處理生產(chǎn)水和助劑消耗具有重要作用。

［1］姜會(huì)鈺，楊鋒，王振東.BP神經(jīng)網(wǎng)絡(luò)預(yù)測活性染色織物K／S值［J］.印染，2007，8（09）：23－24.

［2］王菊生，孫鎧.染整工藝原理［M］.北京：中國紡織出版社，1983：56－61.

［3］鄧乃揚(yáng)，田英杰.數(shù)據(jù)挖掘中的新方法－支持向量機(jī)［M］.北京：科學(xué)出版社，2004：24－26.

［4］金咸穰.染整工藝實(shí)驗(yàn)［M］.北京：紡織工業(yè)出版社，1987：74－93.

［5］閻威武，朱宏棟，邵惠鶴.基于最小二乘支持向量機(jī)的軟測量建模［J］.系統(tǒng)仿真學(xué)報(bào)，2003，15（10）：149－150.