周 捷， 馬秋瑞

(西安工程大學(xué) 服裝與藝術(shù)設(shè)計(jì)學(xué)院， 陜西 西安 710048)

塑身內(nèi)衣具有一定的塑型效果，但也會(huì)給身體造成一定的壓力[1],使人體產(chǎn)生不舒適感[2]，醫(yī)學(xué)研究表明人體處于坐姿或者蹲姿時(shí)，過(guò)緊的服裝壓力可能會(huì)導(dǎo)致血栓危害人體健康[3]，服裝壓力的預(yù)測(cè)研究是解決壓力舒適性的前提[4]。由于人體表面是一個(gè)不規(guī)則的曲面，在穿著塑身衣時(shí)產(chǎn)生的壓力與諸多因素有關(guān)，并且這些因素與壓力的關(guān)系錯(cuò)綜復(fù)雜，導(dǎo)致預(yù)測(cè)服裝壓力比較困難。

目前的服裝壓力預(yù)測(cè)方法主要是建立虛擬模型模擬服裝與人體的關(guān)系，再通過(guò)數(shù)學(xué)計(jì)算預(yù)測(cè)服裝壓力分布[5]。羅笑南等[6]將緊身內(nèi)衣看作彈性薄膜，以彈性力學(xué)最小位能原理為基礎(chǔ)，運(yùn)用拉格朗日數(shù)乘法預(yù)測(cè)服裝壓力分布；王建民等[7]設(shè)計(jì)了六面體網(wǎng)格模型來(lái)模擬人體，通過(guò)使用迭代法來(lái)計(jì)算人體變形與服裝壓力的關(guān)系，最終通過(guò)人體變形情況來(lái)預(yù)測(cè)服裝壓力；Mirjalili等[8]采用Ansys軟件運(yùn)用有限元模型預(yù)測(cè)服裝壓力的分布；張欣等[9]在人體運(yùn)動(dòng)過(guò)程中建立幾何非線性數(shù)學(xué)模型, 預(yù)測(cè)人體在運(yùn)動(dòng)過(guò)程中服裝的壓力變化。這些壓力預(yù)測(cè)模型都能較好地預(yù)測(cè)服裝壓力分布規(guī)律，但需要確定很多因素且計(jì)算復(fù)雜，實(shí)現(xiàn)較為困難。

BP神經(jīng)網(wǎng)絡(luò)模型是近年發(fā)展起來(lái)的模擬人腦生物過(guò)程的智能算法技術(shù)[10]，比較適合處理非線性復(fù)雜因果關(guān)系的模型[11]。這種方法相當(dāng)于一個(gè)黑箱模型，不但可簡(jiǎn)化計(jì)算過(guò)程，還能較為精確地找出數(shù)據(jù)間復(fù)雜的內(nèi)在規(guī)律，在處理龐大且關(guān)系復(fù)雜的數(shù)據(jù)而無(wú)法用函數(shù)擬合的情況下，使用該模型進(jìn)行預(yù)測(cè)是一個(gè)不錯(cuò)的選擇[12]。

曾有學(xué)者利用服裝織物材料屬性作為輸入因素,通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)服裝壓力舒適性做過(guò)預(yù)測(cè)研究[13]，但此研究主要針對(duì)人體主觀感受做出預(yù)測(cè)，并未與客觀測(cè)量值尤其是有關(guān)人體體型參數(shù)相結(jié)合進(jìn)行預(yù)測(cè)。本文基于人體體型相關(guān)的參數(shù)與塑身內(nèi)衣對(duì)人體產(chǎn)生的壓力的實(shí)際測(cè)量值，選取BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)，對(duì)4種不同姿勢(shì)下的塑身內(nèi)衣對(duì)人體產(chǎn)生的壓力做出有效地預(yù)測(cè)研究。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)對(duì)象

本文實(shí)驗(yàn)研究對(duì)象為26位18～25歲的女大學(xué)生，她們的身體質(zhì)量指數(shù)(BMI)值在17～25 kg/m2之間。實(shí)驗(yàn)樣衣選取某品牌腰背夾和提臀束褲，其規(guī)格是76、82、90和98。腰背夾前中有3排調(diào)節(jié)扣，提臀束褲有良好的彈性，這些都可滿足一定圍度差異范圍內(nèi)的人群穿著。

1.2 實(shí)驗(yàn)條件

實(shí)驗(yàn)在安靜實(shí)驗(yàn)室內(nèi)進(jìn)行，溫度為(25±1)℃，相對(duì)濕度為(65±2)%，風(fēng)速小于0.1 m/s。被試者在專業(yè)測(cè)試人員培訓(xùn)后，處于無(wú)汗、安靜、著裝舒適自然的狀態(tài)下，采用日本AMI公司設(shè)計(jì)生產(chǎn)的AMI3037系列氣囊式接觸壓測(cè)定儀進(jìn)行內(nèi)衣壓力測(cè)試。

1.3 壓力測(cè)試點(diǎn)選擇

本文研究為了解塑身內(nèi)衣在塑型關(guān)鍵部位和壓力較大部位對(duì)人體所產(chǎn)生的壓力。在腰背夾和提臀束褲下分別選取10個(gè)點(diǎn)進(jìn)行壓力測(cè)試。壓力測(cè)試點(diǎn)的位置如圖1所示，壓力點(diǎn)選擇原因如表1所示。

圖1 腰背夾和提臀束褲壓力測(cè)試點(diǎn)Fig.1 Pressure test points for body shaper and girdle.(a) Front of body shaper; (b)Behind of body shaper;(c)Front of girdle; (d)Behind of girdle

身體部位壓力點(diǎn)選擇的原因腰背夾肩中點(diǎn)(S1)肩帶承受乳房的重力,壓力較大腋下點(diǎn)(S2)此處收納副乳、脂肪堆積和贅肉,為評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)胃部中點(diǎn)(S3)收納脂肪,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)前側(cè)腰中點(diǎn)(S4)魚骨所在位置,該點(diǎn)壓力相對(duì)較大側(cè)腰處(S5)收納脂肪,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)后側(cè)腰中點(diǎn)(S6)魚骨所在位置,該點(diǎn)壓力相對(duì)較大底邊前中點(diǎn)(S7)收納脂肪,該點(diǎn)壓力相對(duì)較大,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)底邊側(cè)中點(diǎn)(S8)腹圍線和側(cè)縫線的交點(diǎn),壓力較大底邊后側(cè)中點(diǎn)(S9)該點(diǎn)壓力相對(duì)較大肩胛骨處(S10)收緊肩胛贅肉,提拉背部肌肉的關(guān)鍵部位,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)提臀束褲腹凸點(diǎn)(P1)腹部贅肉,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)前側(cè)臀點(diǎn)(P2)脂肪堆積,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)側(cè)臀點(diǎn)(P3)此處為髂骨處,骨骼凸起易對(duì)人體產(chǎn)生壓力腹股溝點(diǎn)(P4)影響健康關(guān)鍵點(diǎn)大腿前凸點(diǎn)(P5)評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)大腿側(cè)(P6)評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)大腿后凸點(diǎn)(P7)評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)臀凸點(diǎn)(P8)容易受力,評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)前腰中點(diǎn)(P9)評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)側(cè)腰中點(diǎn)(P10)評(píng)價(jià)塑型效果關(guān)鍵點(diǎn)

1.4 測(cè)試姿勢(shì)選擇

本文測(cè)試選擇人們通?；顒?dòng)的站姿、站姿前傾、坐姿和坐姿前傾4種姿勢(shì)，站姿與坐姿前傾的幅度以人體舒適狀態(tài)為宜，如圖2所示。

圖2 測(cè)試姿勢(shì)Fig.2 Test poses. (a)Standing; (b)Standing forward;(c)Sitting; (d)Sitting forward

1.5 測(cè)試過(guò)程說(shuō)明

測(cè)試人員首先調(diào)試壓力傳感器，使其處于正常工作狀態(tài)。然后，選擇合適的提臀束褲尺碼，讓被試人員進(jìn)行試身并做相應(yīng)的調(diào)整，直至合體并處于舒適狀態(tài)，測(cè)試人員將10個(gè)壓力氣囊分別固定在事先設(shè)定的位置。接著測(cè)試人員發(fā)出指令要求被測(cè)試人員分別做站姿、站姿前傾、坐姿和坐姿前傾4種姿勢(shì)，這4種姿勢(shì)壓力測(cè)試完畢作為1次實(shí)驗(yàn)。實(shí)驗(yàn)同時(shí)，測(cè)試人員觀看測(cè)量值，在測(cè)試值穩(wěn)定后開始收集數(shù)據(jù)，每個(gè)姿勢(shì)數(shù)據(jù)的收集時(shí)間不低于1 min，一次數(shù)據(jù)測(cè)試完成后，被測(cè)試人員休息5 min，測(cè)試人員檢查壓力傳感器狀態(tài)是否完好，壓力氣囊位置是否正確，數(shù)據(jù)是否有效。檢查完畢后再進(jìn)行下一次實(shí)驗(yàn)，每個(gè)被測(cè)試人員穿著每件塑身內(nèi)衣時(shí)需要進(jìn)行3次測(cè)試過(guò)程。提臀束褲測(cè)試完畢后，被測(cè)者休息10 min，在測(cè)試人員的指導(dǎo)下?lián)Q上合適的腰背夾，重復(fù)以上的測(cè)試和記錄過(guò)程。

2 數(shù)據(jù)處理與分析

首先將26名被試者穿著腰背夾和提臀束褲的共20個(gè)壓力點(diǎn)的3次測(cè)量數(shù)據(jù)進(jìn)行處理，去除奇異值和不穩(wěn)定的數(shù)據(jù)，然后計(jì)算每個(gè)人穿著塑身內(nèi)衣時(shí)每個(gè)點(diǎn)的壓力平均值，作為該測(cè)量點(diǎn)的壓力值。

2.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

2.1.1神經(jīng)網(wǎng)絡(luò)的基本原理

構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)一般有3個(gè)要求：輸入輸出、權(quán)值和多層感知器結(jié)構(gòu)。其中，最難確定的是權(quán)值，一般情況下，知道一個(gè)變量x和另一個(gè)變量y，如果二者之間有很多復(fù)雜的非線性關(guān)系，就很難找到它們之間復(fù)雜的映射關(guān)系f，而神經(jīng)網(wǎng)絡(luò)以一種有監(jiān)督的學(xué)習(xí)方式很好地解決了這一類問(wèn)題[14]。

BP神經(jīng)網(wǎng)絡(luò)本質(zhì)上是一種不斷調(diào)試錯(cuò)誤的方法，在給定1個(gè)輸入值和目標(biāo)值后，隨機(jī)設(shè)定1個(gè)初始權(quán)值，網(wǎng)絡(luò)就會(huì)自動(dòng)從輸入層傳遞到輸出層，通過(guò)與目標(biāo)值做對(duì)比，不斷調(diào)整網(wǎng)絡(luò)權(quán)值，直至找到一組最優(yōu)的權(quán)值；當(dāng)重新輸入另外一組數(shù)值時(shí)，就可用所得到的最優(yōu)權(quán)值來(lái)預(yù)測(cè)目標(biāo)值[15]。

2.1.2MatLab神經(jīng)網(wǎng)絡(luò)工具箱

MatLab是矩陣實(shí)驗(yàn)室Matrix Laboratory的簡(jiǎn)稱，有強(qiáng)大的矩陣計(jì)算和信號(hào)處理能力，是世界上三大數(shù)學(xué)軟件之一[16]。很多工程界和科學(xué)界希望有不需要復(fù)雜的編程語(yǔ)言就能表現(xiàn)運(yùn)算過(guò)程的編程語(yǔ)言，MatLab在這一點(diǎn)很好地滿足了人們的要求，它提供了大量的內(nèi)部函數(shù)和工具箱，用戶可直接調(diào)用，無(wú)需自定義編程[17]。由于MatLab為神經(jīng)網(wǎng)絡(luò)提供了多個(gè)工具箱函數(shù)，實(shí)現(xiàn)起來(lái)更加方便快捷，因此，本文以 MatLab R2018a 版本為工作環(huán)境來(lái)進(jìn)行數(shù)據(jù)分析。

2.1.3BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

在本文研究中將人體的測(cè)試點(diǎn)序號(hào)、身高、腰圍、體重、臀圍和中臀圍看作自變量x，將與自變量對(duì)應(yīng)的每個(gè)測(cè)量點(diǎn)的4種姿勢(shì)壓力值看作因變量y。通過(guò)x作為網(wǎng)絡(luò)輸入，y作為網(wǎng)絡(luò)輸出，建立對(duì)應(yīng)的網(wǎng)絡(luò)。抽取其中230 組樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，30組進(jìn)行仿真。檢驗(yàn)仿真結(jié)果與真實(shí)結(jié)果之間的誤差，若誤差能達(dá)到容許范圍，即可通過(guò)將人體的測(cè)試點(diǎn)序號(hào)、身高、腰圍、體重、臀圍和中臀圍輸入此網(wǎng)絡(luò)來(lái)預(yù)測(cè)4種姿勢(shì)的壓力值。

BP神經(jīng)網(wǎng)絡(luò)主要通過(guò)以下5個(gè)步驟實(shí)現(xiàn)：

第1步：輸入矩陣A和B。

A為260 行6 列矩陣，作為網(wǎng)絡(luò)的輸入樣本。實(shí)驗(yàn)有26 名被測(cè)者，每人每件塑身內(nèi)衣有10 個(gè)壓力點(diǎn)，因此，矩陣A共有260行。6列分別表示測(cè)試點(diǎn)序號(hào)、身高(cm)、腰圍(cm)、體重(kg)、臀圍(cm)和中臀圍(cm)。

B為260 行4 列矩陣，作為網(wǎng)絡(luò)的目標(biāo)值，是與輸入樣本x對(duì)應(yīng)的壓力值。行表示與260行輸入對(duì)應(yīng)的260行壓力點(diǎn)，4列表示站姿、站姿前傾、坐姿和坐姿前傾4種不同姿勢(shì)的壓力值。

第2步：建立網(wǎng)絡(luò)。

目前MatLab R2018a軟件中提供了2種BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)newff和feedforwardnet，故分別使用這2種工具箱函數(shù)來(lái)建立網(wǎng)絡(luò)。

第3步：通過(guò)init函數(shù)實(shí)現(xiàn)權(quán)值閾值初始化。

第4步：通過(guò)函數(shù)train實(shí)現(xiàn)網(wǎng)絡(luò)訓(xùn)練。

第5步：訓(xùn)練完畢后在260個(gè)測(cè)量點(diǎn)中隨機(jī)抽取30個(gè)測(cè)量點(diǎn)，通過(guò)sim函數(shù)進(jìn)行仿真預(yù)測(cè)。

2.2 壓力預(yù)測(cè)結(jié)果與分析

2.2.15個(gè)因素的壓力預(yù)測(cè)結(jié)果與分析

基于以上過(guò)程，運(yùn)行2種BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)newff和feedforwardnet之后，以身高、腰圍、體重、臀圍和中臀圍5個(gè)因素作為輸入層，得到4種姿勢(shì)下的30個(gè)預(yù)測(cè)點(diǎn)的預(yù)測(cè)值。圖3～6分別是2個(gè)工具箱函數(shù)的30個(gè)預(yù)測(cè)點(diǎn)真實(shí)值和預(yù)測(cè)值的對(duì)比圖。

圖3 newff函數(shù)預(yù)測(cè)穿著腰背夾壓力值Fig.3 newff function predicts pressure value of wearing shaper.(a)Standing; (b)Standing forward; (c)Sitting; (d)Sitting forward

基于預(yù)測(cè)精度計(jì)算公式計(jì)算以上的2種工具箱函數(shù)的預(yù)測(cè)精度，計(jì)算結(jié)果見(jiàn)表2。

式中：Fp為預(yù)測(cè)精度，%；Fu為預(yù)測(cè)值，kPa；R為真實(shí)值，kPa。

圖4 newff函數(shù)預(yù)測(cè)穿著提臀束褲壓力值Fig.4 newff function predicts pressure value of wearing girdle.(a)Standing; (b)Standing forward; (c)Sitting; (d)Sitting forward

圖5 feedforwardnet函數(shù)預(yù)測(cè)穿著腰背夾壓力值Fig.5 feedforwardnet function predicts pressure value of wearing shaper. (a)Standing; (b)Standing forward; (c)Sitting; (d)Sitting forward

表2中feedforwardnet函數(shù)的整體預(yù)測(cè)精度均值為70.06%，而newff函數(shù)的整體預(yù)測(cè)精度均值為74.42%?？梢?jiàn)：newff函數(shù)整體預(yù)測(cè)的精度要比f(wàn)eedforwardnet高；站姿與站姿前傾2種姿勢(shì)的預(yù)測(cè)精度都在72%以上，均值達(dá)到了74.92%，而坐姿與坐姿前傾2種姿勢(shì)的預(yù)測(cè)精度均值僅為69.56%。可以得出，2種站立姿勢(shì)的預(yù)測(cè)精度比2種坐姿的精確度高5.36%。

圖6 feedforwardnet函數(shù)預(yù)測(cè)穿著提臀束褲壓力值Fig.6 feedormwardnet function predicts pressure value of wearing girdle.(a)Standing; (b)Standing forward; (c)Sitting; (d)Sitting forward

表2 預(yù)測(cè)精度Tab.2 Forecasting accuracy%

由表2還可以發(fā)現(xiàn)，僅由身高、腰圍、體重、臀圍和中臀圍5個(gè)因素作為輸入層，所有的預(yù)測(cè)精度都在78%以下。當(dāng)然，誤差主要原因是由于實(shí)驗(yàn)條件有限，未能達(dá)到神經(jīng)網(wǎng)絡(luò)所需的足夠充分地測(cè)試樣本量造成的。為解決這一問(wèn)題，增加樣本量是最有效的方法，但會(huì)增加實(shí)驗(yàn)成本。在沒(méi)有足夠樣本量的情況下，基于站姿的預(yù)測(cè)精度較高，可考慮將站姿的壓力測(cè)量值與其他5個(gè)因素一同作為輸入因素(共6個(gè)因素)來(lái)進(jìn)一步預(yù)測(cè)其他3種姿勢(shì)的壓力值。

2.2.26個(gè)因素的壓力預(yù)測(cè)結(jié)果與分析

基于newff函數(shù)有較好的預(yù)測(cè)效果，用此函數(shù)并增加站姿時(shí)實(shí)測(cè)的壓力值作為輸入因素來(lái)預(yù)測(cè)站姿前傾、坐姿和坐姿前傾3種姿勢(shì)的服裝壓力值。通過(guò)程序運(yùn)行，可以得到30個(gè)預(yù)測(cè)點(diǎn)的壓力值。圖7、8示出30個(gè)點(diǎn)的真實(shí)值和預(yù)測(cè)值對(duì)比圖。

圖7 穿著腰背夾預(yù)測(cè)圖Fig.7 Prediction diagram wearing shaper. (a)Standing forward; (b)Sitting; (c)Sitting forward

圖8 穿著提臀束褲預(yù)測(cè)圖Fig.8 Prediction diagram wearing girdle. (a)Standing forward; (b)Sitting; (c)Sitting forward

基于預(yù)測(cè)結(jié)果，計(jì)算得到其預(yù)測(cè)精度，如表3所示。可知：3種姿勢(shì)下對(duì)于腰背夾，其預(yù)測(cè)準(zhǔn)確度均高于83%，最高達(dá)到91.64%；對(duì)提臀束褲產(chǎn)生壓力預(yù)測(cè)值，其預(yù)測(cè)精度均高于82%，最高達(dá)到88.81%。不難發(fā)現(xiàn)，增加站姿為輸入因素來(lái)預(yù)測(cè)其他3種姿勢(shì)，其預(yù)測(cè)精度明顯增加。同樣也發(fā)現(xiàn)與5個(gè)因素作為輸入層結(jié)果相同的是，站姿前傾的預(yù)測(cè)準(zhǔn)確度明顯比其他2種坐姿的度高。

表3 newff函數(shù)預(yù)測(cè)精度Tab.3 Forecasting accuracy of newff function %

BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度與訓(xùn)練樣本量有很大關(guān)系，本文實(shí)驗(yàn)由于樣本數(shù)量有限，實(shí)驗(yàn)儀器也存在少許誤差，預(yù)測(cè)精度只達(dá)到了82%以上，但整體預(yù)測(cè)結(jié)果得出，利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)不需要人為的復(fù)雜建模與計(jì)算過(guò)程，可較好地實(shí)現(xiàn)服裝壓力的預(yù)測(cè)，是未來(lái)對(duì)服裝壓力預(yù)測(cè)的大趨勢(shì)。

3 結(jié)束語(yǔ)

本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)預(yù)測(cè)塑身內(nèi)衣壓力的方法，該方法可預(yù)測(cè)身體 20個(gè)部位塑身內(nèi)衣壓力值與人體身高、體重、腰圍、臀圍、中臀圍5個(gè)因素的內(nèi)部關(guān)系。從預(yù)測(cè)結(jié)果可得出：采用newff函數(shù)作預(yù)測(cè)，其預(yù)測(cè)精度要比用feedforwardnet函數(shù)高；站姿與站姿前傾2種姿勢(shì)的預(yù)測(cè)精度比坐姿與坐姿前傾的高；增加站姿壓力測(cè)量值為預(yù)測(cè)輸入因素，整體預(yù)測(cè)精度明顯提高。從整個(gè)計(jì)算過(guò)程看，BP神經(jīng)網(wǎng)絡(luò)模型無(wú)需復(fù)雜建模與計(jì)算過(guò)程，可通過(guò)較為簡(jiǎn)單的操作方法來(lái)對(duì)服裝塑身內(nèi)衣做出較準(zhǔn)確的預(yù)測(cè)。接下來(lái)的工作應(yīng)著重研究輸入因素，從而進(jìn)一步提高預(yù)測(cè)精度。

致謝陜西省服裝設(shè)計(jì)智能化重點(diǎn)實(shí)驗(yàn)室。