吳懋剛，潘永惠，范 蕤

(江陰職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)科學(xué)系，江蘇 無(wú)錫 214405)

服裝縫紉平整度是影響服裝外觀質(zhì)量的重要因素，隨著服裝生產(chǎn)自動(dòng)化程度的加強(qiáng)和市場(chǎng)對(duì)服裝生產(chǎn)企業(yè)快速反應(yīng)能力要求的日益提高，服裝縫紉性能的客觀評(píng)價(jià)也逐步成為紡織服裝界關(guān)注和研究的重點(diǎn)[1-2].目前在大多數(shù)商業(yè)行為中仍然以主觀評(píng)定法AATCC—88B作為服裝縫紉平整性能的主要評(píng)價(jià)標(biāo)準(zhǔn).該評(píng)價(jià)方法的特點(diǎn)是直接、簡(jiǎn)單、投入少、易掌握，然而這種方法是在參考樣品的基礎(chǔ)上目視評(píng)級(jí)，易受到評(píng)價(jià)者個(gè)人的不確定因素的影響而有失客觀性.隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，圖像處理及計(jì)算機(jī)模擬技術(shù)開始應(yīng)用于縫紉外觀的識(shí)別和評(píng)價(jià)模型[3-4].由于絲織物縫紉對(duì)小負(fù)荷區(qū)域的力學(xué)性能很敏感，其在低應(yīng)力下的各項(xiàng)力學(xué)性能與加工生產(chǎn)有著密切的關(guān)系.本文主要研究了絲織物的各項(xiàng)FAST力學(xué)性能指標(biāo)與縫紉平整度等級(jí)之間的關(guān)系，并提出了一種基于優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的絲織物縫紉平整度客觀評(píng)價(jià)方法.

1 RBF神經(jīng)網(wǎng)絡(luò)

1.1 RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示.它由輸入層、隱層和輸出層三層結(jié)構(gòu)組成[4].網(wǎng)絡(luò)的輸出按如下公式計(jì)算：

(1)

其中，x∈Rn是一個(gè)輸入向量，φk(·)是從R+(所有正實(shí)數(shù)的集合)到R的函數(shù).wik是輸出層權(quán)值，N是隱含層的神經(jīng)元數(shù)目，ck是輸入向量空間的RBFNN中心.公式(1)可以寫為：

(2)

其中，‖·‖2表示歐幾里德范數(shù).對(duì)于隱含層的節(jié)點(diǎn)神經(jīng)元，需要計(jì)算與它相關(guān)的中心和網(wǎng)絡(luò)輸入之間的歐幾里德距離.隱含層節(jié)點(diǎn)的輸出是距離的一個(gè)非線性函數(shù).網(wǎng)絡(luò)的最后輸出為隱含層每個(gè)節(jié)點(diǎn)輸出的加權(quán)和.

RBF神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的非線性函數(shù)φk(·)的取值一般為高斯徑向基函數(shù)：

φk(x)=exp(-‖x-vk‖2/ 2σk2)

(3)

其中vk和σk分別是第k個(gè)隱層節(jié)點(diǎn)的中心向量和寬度.由于高斯函數(shù)是一中徑向?qū)ΨQ函數(shù)，當(dāng)輸入信號(hào)越靠近基函數(shù)中心時(shí)，隱層節(jié)點(diǎn)的輸出值就越大，越遠(yuǎn)離中心時(shí)，節(jié)點(diǎn)的輸出就越小.從第k個(gè)隱層節(jié)點(diǎn)輸出的最大值到最小值的收斂半徑也稱為基函數(shù)的寬度是由σk控制的.

RBF神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)非線性函數(shù)的特點(diǎn)很好模擬了人類大腦皮層中局部調(diào)節(jié)和交疊的感受野的反應(yīng)特點(diǎn)，使網(wǎng)絡(luò)的輸入信號(hào)可以在局部產(chǎn)生響應(yīng)，因此，RBF神經(jīng)網(wǎng)絡(luò)具有局部逼近能力[5].

φi(xk)=φ(‖xk-vi‖)

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)算法

在RBF神經(jīng)網(wǎng)絡(luò)中隱層節(jié)點(diǎn)的基函數(shù)確定后，重要的就是確定基函數(shù)的中心vk(中心向量)、基函數(shù)的寬度σk和輸出層權(quán)值wik[6].經(jīng)典的RBF神經(jīng)網(wǎng)絡(luò)的中心確定有三種常見的方法，即根據(jù)經(jīng)驗(yàn)選擇可以代表訓(xùn)練樣本分布性能的基函數(shù)中心、利用聚類的方法選擇基函數(shù)中心和運(yùn)用誤差糾正算法進(jìn)行可監(jiān)督學(xué)習(xí).當(dāng)中心確定好之后，經(jīng)典徑向基網(wǎng)絡(luò)的基函數(shù)寬度σ通常按如下公式計(jì)算：

(4)

其中，其中dmax是選擇的中心之間最大歐幾里德距離，K是中心的數(shù)目.

本文在對(duì)經(jīng)典的RBF徑向基網(wǎng)絡(luò)運(yùn)用的過(guò)程中對(duì)其進(jìn)行優(yōu)化，以改善神經(jīng)網(wǎng)絡(luò)對(duì)絲織物縫紉性能預(yù)測(cè)的效果.優(yōu)化神經(jīng)網(wǎng)絡(luò)算法如圖2所示.

使用MATLAB實(shí)現(xiàn)算法的基本步驟如下：

1)初始化.運(yùn)用模糊核聚類算法(KFCM)計(jì)算得到模糊聚類中心和模糊分割矩陣，將其作為RBF網(wǎng)絡(luò)的基函數(shù)中心和寬度調(diào)節(jié)的輸入.

2)利用高斯函數(shù)公式(3)計(jì)算隱層節(jié)點(diǎn)的輸出權(quán)值.

3)運(yùn)用偽逆算法計(jì)算隱層節(jié)點(diǎn)到輸出層的連接權(quán)值.

4)計(jì)算網(wǎng)絡(luò)的輸出結(jié)果，即縫紉性能客觀評(píng)價(jià)等級(jí)值.

優(yōu)化的徑向基神經(jīng)網(wǎng)絡(luò)運(yùn)用聚類算法(KFCM)得到基函數(shù)的中心C和模糊分割矩陣μ，并將μ作為RBF網(wǎng)絡(luò)控制基函數(shù)寬度的調(diào)節(jié)參數(shù)，從而使網(wǎng)絡(luò)隱層節(jié)點(diǎn)具有更好的受控感受野.

圖2 RBF神經(jīng)網(wǎng)絡(luò)算法

2 實(shí)驗(yàn)結(jié)果

本文采用FAST(Fabric Assurance by Simple Testing)一起對(duì)絲織物25項(xiàng)物理力學(xué)性能進(jìn)行測(cè)試，對(duì)其成形性、加工型和尺寸穩(wěn)定性等性能進(jìn)行預(yù)測(cè).選用了30塊常用薄型絲織物作為試驗(yàn)樣品，基本規(guī)格參數(shù)如表1所示.

將測(cè)試樣品裁成尺寸為30cm×6cm的縫條，上下縫條沿同一絲縷方向從中間進(jìn)行縫紉，僅考慮上下縫條為同絲縷方向時(shí)的縫紉平整度評(píng)級(jí).

表1 實(shí)驗(yàn)樣品的基本參數(shù)

本文主要考察薄型絲織物的力學(xué)性能參數(shù)對(duì)縫紉性能的影響關(guān)系[3]，不考慮縫紉條件的變化對(duì)面料的縫紉性能的影響.樣品的縫制由服裝廠的熟練技術(shù)工人采用相應(yīng)的工業(yè)平縫機(jī)進(jìn)行縫制，所采用的各項(xiàng)縫制條件見表2所示.

表2 樣品縫制時(shí)針、線配用標(biāo)準(zhǔn)

表3 經(jīng)典RBF與優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

在對(duì)樣品縫條進(jìn)行縫紉時(shí)，根據(jù)工廠實(shí)際生產(chǎn)經(jīng)驗(yàn)，采用相應(yīng)縫紉條件對(duì)不同縫條進(jìn)行縫制加工.對(duì)縫紉好的樣品經(jīng)過(guò)標(biāo)準(zhǔn)洗滌晾干后參照AATCC-88B標(biāo)準(zhǔn)由兩位專家對(duì)每塊縫條進(jìn)行主觀評(píng)級(jí)，取其平均值.分別沿5個(gè)不同方向(經(jīng)向到緯向：0°，30°，45°，60°，90°)進(jìn)行縫紉評(píng)級(jí)，并測(cè)量計(jì)算相應(yīng)的力學(xué)性能指標(biāo)值，每類面料得到150組實(shí)驗(yàn)數(shù)據(jù)，其中120組作為網(wǎng)絡(luò)訓(xùn)練建模，另外30組用于模型精度檢驗(yàn).分別采用經(jīng)典RBF網(wǎng)絡(luò)和優(yōu)化RBF網(wǎng)絡(luò)對(duì)絲織物面料縫紉平整性能的主客觀評(píng)價(jià)結(jié)果進(jìn)行分析，如表3所示.

為了更清楚表示兩種網(wǎng)絡(luò)預(yù)測(cè)的效果，對(duì)表3中的實(shí)驗(yàn)結(jié)果進(jìn)行相關(guān)性分析，如圖3所示.

圖3 優(yōu)化RBFNN的主客觀評(píng)價(jià)相關(guān)性分析

圖中顯示基于優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)對(duì)絲織物面料縫紉性能的主客觀預(yù)測(cè)的相關(guān)性數(shù)據(jù)，該方法的整體預(yù)測(cè)精度達(dá)到96.4%，表明本文所提出的基于優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測(cè)能力.

3 結(jié)束語(yǔ)

本文綜合運(yùn)用聚類的模式識(shí)別方法和徑向基神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法提出了一種優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型.該模型在對(duì)絲織物面料的縫紉平整度客觀評(píng)價(jià)系統(tǒng)應(yīng)用中，體現(xiàn)出其客觀、快速、高效的評(píng)價(jià)性能.但是，由于本文實(shí)驗(yàn)所用試樣的數(shù)量仍不夠豐富和全面，絲織物材料種類眾多，結(jié)構(gòu)復(fù)雜，選樣時(shí)不可能做到面面俱到，大多數(shù)試樣為常用材料和常用結(jié)構(gòu)，所建系統(tǒng)的應(yīng)用范圍也僅局限于和測(cè)試用面料同類或相近的面料，因此如何提高本文模糊辯識(shí)系統(tǒng)的泛化能力，將是今后進(jìn)一步研究工作的重點(diǎn).

參考文獻(xiàn)：

[1]劉侃.面料縫紉平整度客觀評(píng)價(jià)新方法[J].紡織導(dǎo)報(bào)，2007(12)：96-97.

[2]Pan Y H，Bao F，Wang S T.Objective evaluation of seam pucker using SFC-RBFNN[J].DCABES 2007 Proceedings，2007，1:592-596.

[3]楊建忠，王善元.輕薄織物斜向力學(xué)性能與縫紉起皺關(guān)系的研究[J].西北紡織工學(xué)院學(xué)報(bào)，2001，15(3):15-20.

[4]Yang Y P，Xu X M，Zhang W Y.Design neural networks based fuzzy logic[J].Fuzzy Sets and Systems，2000，114:325-328.

[5]沈謙，王濤.結(jié)構(gòu)優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[J].微電子學(xué)與計(jì)算機(jī)，2000(4)：14-18.

[6]Yan S，MaSaHaru Mizumoto.A new approach of neuro-fuzzy learning algorithm for tunning fuzzy rules[J].Fuzzy Sets and Systems，2000，112:99-116.