曹麗艷，陳 廷

(蘇州大學(xué)紡織與服裝工程學(xué)院，江蘇 蘇州 215021)

精梳毛紡加工過程的特點是工序復(fù)雜，成紗質(zhì)量的好壞與加工設(shè)備、原料選擇以及工藝設(shè)計等密切相關(guān)。為了提前預(yù)知成紗質(zhì)量情況，方便進一步對加工過程實現(xiàn)有效調(diào)控，國內(nèi)外不少專家、學(xué)者就此開展了研究與實踐，并取得了較多的成果[1-2]。針對成紗質(zhì)量的預(yù)測研究可以理解為在確定原料和設(shè)備工藝參數(shù)條件下，通過計算和求解加工系統(tǒng)提前得到產(chǎn)品質(zhì)量指標(biāo)[3]，但是針對毛紡紡紗參數(shù)的反演研究卻少人問津。

紡織企業(yè)的生產(chǎn)經(jīng)營離不開對生產(chǎn)成本的合理控制，這時候?qū)Τ杉嗊^程的逆向研究就顯得尤為必要，在提高產(chǎn)品工藝設(shè)計針對性的同時，還要在保證產(chǎn)品質(zhì)量要求前提下盡可能降低生產(chǎn)成本[3]。

精梳毛紡的紡紗參數(shù)和成紗質(zhì)量指標(biāo)間的關(guān)系屬于非線性關(guān)系。目前大多數(shù)紡織企業(yè)在紗線的實際生產(chǎn)過程中，技術(shù)人員對于紡紗元件的調(diào)節(jié)力度并不大，通常情況下只是憑借經(jīng)驗調(diào)節(jié)錠子轉(zhuǎn)速，但是僅憑經(jīng)驗實現(xiàn)成紗過程的調(diào)控，缺乏科學(xué)計算基礎(chǔ)，容易造成生產(chǎn)出來的紗線質(zhì)量不符合目標(biāo)需求的后果[4]。

針對精梳毛紡的紡紗參數(shù)反演研究可以理解為非線性問題的最優(yōu)化改進方案。在所有的非線性反演研究中，利用窮舉法選擇輸入?yún)?shù)通常被認為是最有效和最直接的方法，但是這種方法的使用范圍較為局限，比如面對海量數(shù)據(jù)的篩選和優(yōu)化時工作量大到難以完成，哪怕通過計算機處理也是見效甚微。因此本文提出首先采用合適的數(shù)據(jù)優(yōu)選方法確定輸入?yún)?shù)，再通過神經(jīng)網(wǎng)絡(luò)進行驗證分析，這在國內(nèi)外反演領(lǐng)域內(nèi)也一度成為研究熱點。

紗線生產(chǎn)過程中，所有紡紗參數(shù)和紗線質(zhì)量之間時刻發(fā)生著不定向變化，兩者之間的函數(shù)關(guān)系難以確切表達出來。本文采用輸入對輸出影響程度的數(shù)據(jù)優(yōu)選方法得出不同成紗質(zhì)量指標(biāo)和錠子轉(zhuǎn)速的關(guān)系密切程度，以此確定神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)反演模型對優(yōu)選結(jié)果實現(xiàn)驗證分析，為進一步優(yōu)化工藝奠定基礎(chǔ)。

1 實驗測試

本次試驗原料為羊毛纖維，測試環(huán)境條件為溫度(20±2) ℃，相對濕度(65±3)%，羊毛纖維在測試環(huán)境中平衡24 h后再測試?yán)w維性能指標(biāo)。實驗使用Uster-3型烏斯特測試儀測試成紗條干不勻率、細節(jié)和粗節(jié)，采用YG020A型電子單紗強力儀測試成紗斷裂強度和斷裂伸長率；本次共采集23組試樣，成紗質(zhì)量指標(biāo)7個，分別是斷裂強度(cN/tex)、斷裂強度不勻率(%)、斷裂伸長率(%)、斷裂伸長不勻率(%)、粗節(jié)(+50%/km)、細節(jié)(-50%/km)和條干不勻率(%)。成紗質(zhì)量指標(biāo)和錠子轉(zhuǎn)速見表1。

表1 成紗質(zhì)量指標(biāo)和錠子轉(zhuǎn)速

2 輸入?yún)?shù)優(yōu)選

考慮到神經(jīng)網(wǎng)絡(luò)本身的運行特性，輸入?yún)?shù)越多越容易致使網(wǎng)絡(luò)性能不穩(wěn)定，運行和收斂速度慢，可能進一步造成反演結(jié)果精確度和可信度過低。所以本文采用輸入對輸出影響程度的數(shù)據(jù)優(yōu)選方法篩選出與錠子轉(zhuǎn)速關(guān)聯(lián)性較大的成紗質(zhì)量指標(biāo)作為顯著影響因子，數(shù)據(jù)優(yōu)選排序靠后的成紗質(zhì)量指標(biāo)作為非顯著影響因子，通過把顯著影響因子作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，提高網(wǎng)絡(luò)模型的穩(wěn)定性和收斂性能，同時提升模型反演的精確度和結(jié)論可信度。

2.1 輸入對輸出影響程度的數(shù)據(jù)優(yōu)選方法

為研究輸入?yún)?shù)的變化趨勢對輸出參數(shù)的影響程度，Chen等[5]提出以下兩個假設(shè)：(1)如果一個輸入變量參數(shù)發(fā)生微弱的變化，導(dǎo)致輸出變量參數(shù)發(fā)生顯著的變化，那么，一般把這個輸入變量參數(shù)叫作敏感變量參數(shù)[5]；(2)如果一個輸入變量參數(shù)發(fā)生顯著的變化，結(jié)果輸出變量參數(shù)發(fā)生微弱的變化，那么，一般把這個輸入變量參數(shù)叫作非敏感變量參數(shù)[5]。運用文獻[5]優(yōu)選理論可計算出錠子轉(zhuǎn)速神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)優(yōu)選結(jié)果。

2.2 錠子轉(zhuǎn)速神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)排序結(jié)果

成紗質(zhì)量指標(biāo)和錠子轉(zhuǎn)速的敏感值見表2。

表2 錠子轉(zhuǎn)速神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)優(yōu)選結(jié)果

采用輸入對輸出影響程度的數(shù)據(jù)優(yōu)選方法對成紗質(zhì)量指標(biāo)排序見表2。

由上表最終排序結(jié)果可以知道，與錠子轉(zhuǎn)速關(guān)系最為密切的前4個輸入?yún)?shù)為：斷裂強度、斷裂伸長不勻率、斷裂強度不勻率、斷裂伸長率。密切程度相對靠后的4個輸入?yún)?shù)為：斷裂伸長率、細節(jié)、粗節(jié)和條干不勻率。

3 錠子轉(zhuǎn)速神經(jīng)網(wǎng)絡(luò)反演模型的構(gòu)建

3.1 BP神經(jīng)網(wǎng)絡(luò)設(shè)計

早在20世紀(jì)就有研究者證明：采用單隱層BP網(wǎng)絡(luò)可以實現(xiàn)任意封閉區(qū)間內(nèi)非間斷函數(shù)的連接，由此不難得出三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)可以滿足多維到多維的映射[6]。本文采用的BP神經(jīng)網(wǎng)絡(luò)反演模型就是三層網(wǎng)絡(luò)結(jié)構(gòu)，輸入層4個神經(jīng)元，隱層3個神經(jīng)元，輸出層1個神經(jīng)元，網(wǎng)絡(luò)結(jié)構(gòu)為4-3-1，如圖1所示。

圖1 神經(jīng)網(wǎng)絡(luò)反演模型示意圖

輸入層神經(jīng)元分別對應(yīng)的是斷裂強度、斷裂伸長不勻率、斷裂強度不勻率、斷裂伸長率這4個質(zhì)量指標(biāo)，輸出層神經(jīng)元對應(yīng)錠子轉(zhuǎn)速參數(shù)。采用不同函數(shù)訓(xùn)練網(wǎng)絡(luò)，運行結(jié)果會略有不同，本文采用“trainlm”函數(shù)訓(xùn)練和調(diào)整精梳毛紡錠子轉(zhuǎn)速神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值，采用正切S型和線性函數(shù)實現(xiàn)網(wǎng)絡(luò)傳遞；網(wǎng)絡(luò)參數(shù)配置如下：設(shè)置網(wǎng)絡(luò)誤差l×10-3，設(shè)置訓(xùn)練步數(shù)l×104。

3.2 構(gòu)建反演模型驗證優(yōu)選結(jié)果有效性

通過建立精梳毛紡錠子轉(zhuǎn)速反演模型對優(yōu)選結(jié)果可靠性加以驗證，運用Matlab(R2017a)軟件工具實現(xiàn)編程。本文研究以成紗質(zhì)量指標(biāo)作為輸入?yún)?shù)，以錠子轉(zhuǎn)速作為輸出參數(shù)，具體數(shù)據(jù)見表1；針對錠子轉(zhuǎn)速建立兩個神經(jīng)網(wǎng)絡(luò)反演模型，兩個反演模型的輸入?yún)?shù)有所區(qū)別，一個反演模型的輸入?yún)?shù)采用排序前4位的成紗質(zhì)量指標(biāo)，分別是斷裂強度、斷裂伸長不勻率、斷裂強度不勻率、斷裂伸長率，余下一個反演模型采用排序靠后4位的成紗質(zhì)量指標(biāo)，分別是斷裂伸長率、細節(jié)、粗節(jié)和條干不勻率。

通過觀察驗證結(jié)果對比實際值，分析得出前后兩個神經(jīng)網(wǎng)絡(luò)的反演誤差大??；假設(shè)以排序前四位的成紗質(zhì)量指標(biāo)作為輸入?yún)?shù)建立的反演模型反演精度高于以排序后4位成紗質(zhì)量指標(biāo)作為輸入?yún)?shù)建立的反演模型，那么可以認定采用輸入對輸出影響程度的數(shù)據(jù)優(yōu)選方法得到的優(yōu)選結(jié)果是可靠的，反之則可以認定為不可靠。

本文通過使用Matlab(R2017a)進行編程建模，從共計23組試驗數(shù)據(jù)中選用具備代表性水平數(shù)據(jù)(即為試樣11#、12#、13#和21#)作為測試水平組用以測試網(wǎng)絡(luò)，剩下的19個試樣用以訓(xùn)練網(wǎng)絡(luò)，實現(xiàn)錠子轉(zhuǎn)速的反演研究，結(jié)合反演值和實際值進行比對分析。

輸入對輸出影響程度排序在1～4的成紗質(zhì)量指標(biāo)作輸入?yún)?shù)時，錠子轉(zhuǎn)速的反演值和實際值誤差為4.95%(表3)；輸入對輸出影響程度排序在4～7的成紗質(zhì)量指標(biāo)作輸入?yún)?shù)時，錠子轉(zhuǎn)速的反演值和實際值誤差為7.33%(表4)；可知采用排序前4位的成紗質(zhì)量指標(biāo)作為精梳毛紡錠子轉(zhuǎn)速神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)時，錠子轉(zhuǎn)速的反演值和實際值誤差值更小，反演結(jié)果更精確，這說明采用輸入對輸出影響程度的數(shù)據(jù)優(yōu)選方法得到的優(yōu)選結(jié)果是可靠的。

表3 輸入對輸出影響程度排序在1～4的成紗質(zhì)量指標(biāo)作輸入?yún)?shù)時的反演結(jié)果

表4 輸入對輸出影響程度排序在4～7的成紗質(zhì)量指標(biāo)作輸入?yún)?shù)時的反演結(jié)果

最后，仔細觀察表中數(shù)據(jù)可以發(fā)現(xiàn)，試樣11#和21#的反演誤差較其他試驗樣本的反演誤差較大，

究其原因，源于訓(xùn)練網(wǎng)絡(luò)中類似樣本的數(shù)量較小，進而影響了反演模型的精確性。

4 結(jié)論

通過數(shù)據(jù)優(yōu)選結(jié)果確定輸入?yún)?shù)構(gòu)建兩個4-3-1網(wǎng)絡(luò)結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型，模型以錠子轉(zhuǎn)速作為輸出參數(shù)，實現(xiàn)紡紗參數(shù)的反演研究，驗證結(jié)果表明，優(yōu)選結(jié)果有效且可靠。結(jié)果顯示，兩個模型的反演值與實際值誤差均控制在10%以內(nèi)，反演精度較高，所以可以確定，利用神經(jīng)網(wǎng)絡(luò)原理構(gòu)建精梳毛紡錠子轉(zhuǎn)速反演模型是切實可行的。依據(jù)反演結(jié)果動態(tài)調(diào)控加工過程，優(yōu)化工藝，提高產(chǎn)品質(zhì)量，同時對企業(yè)新產(chǎn)品工藝設(shè)計的快速決策也具有很好的借鑒作用。

實踐證明，成紗質(zhì)量指標(biāo)與錠子轉(zhuǎn)速的關(guān)聯(lián)程度有大有小，加之在數(shù)據(jù)的實際采集中能獲得的樣本量容易受到限制，故采用有限的數(shù)據(jù)樣本建立紡紗參數(shù)神經(jīng)網(wǎng)絡(luò)反演模型已經(jīng)成為本領(lǐng)域研究工作的現(xiàn)實需求。