范玉婷

(北京服裝學(xué)院 服裝藝術(shù)與工程學(xué)院,北京100000)

舒適的面料能使服用者在穿著過程中保持輕松愉悅的心情,家居服面料的性能對(duì)家居服舒適性起到重要作用,并影響人體著裝后的生理舒適性[1-5]。在對(duì)家居服面料的研究中,不少學(xué)者把關(guān)注點(diǎn)放在了保健功能上,如抑菌、涼爽等,并強(qiáng)調(diào)家居服的多功能性,如防輻射、防火等[6-8],而忽視了秋冬季家居服面料本身的保暖性。基于在對(duì)織物保暖性的研究中,保暖試驗(yàn)的時(shí)間成本相對(duì)較高,本文以保溫率為指標(biāo)分別建立BP神經(jīng)網(wǎng)絡(luò)和投影尋蹤模型對(duì)織物的保暖性能進(jìn)行了預(yù)測(cè)和分析[9],對(duì)該類織物的選購和保暖性能的預(yù)測(cè)具有一定的借鑒意義。

1 試驗(yàn)部分

1.1 材料

通過查閱文獻(xiàn)資料、實(shí)體市場(chǎng)調(diào)研及各大電商網(wǎng)站調(diào)研,選取了當(dāng)前秋冬季節(jié)家居服中常見的8種針織面料和2種梭織面料進(jìn)行研究,共計(jì)10種面料。試驗(yàn)面料規(guī)格參數(shù)見表1。

表1 織物規(guī)格參數(shù)

1.2 試驗(yàn)方案

面料的服用性能包括力學(xué)性能、保形性能、舒適性能等。選取合適的面料對(duì)其服用性能進(jìn)行了測(cè)試,試驗(yàn)方案見表2。所有試樣在試驗(yàn)前均按照GB/T 6529-2008規(guī)定的相對(duì)濕度65%±4%、溫度(20±2)℃的標(biāo)準(zhǔn)大氣環(huán)境,在恒溫恒濕箱中進(jìn)行至少12 h以上的調(diào)濕[10]。

表2 測(cè)試項(xiàng)目

2 服用性能分析

2.1 力學(xué)性能

對(duì)試樣的彎曲剛度、斷裂強(qiáng)度和頂破強(qiáng)力進(jìn)行了測(cè)試。力學(xué)性能測(cè)試結(jié)果見表3。抗彎剛度越大表示織物越硬挺,面料不易彎曲。試樣3#抗彎剛度最好,7#緯向抗彎剛度最差,9#經(jīng)向抗彎剛度最差;從試樣斷裂強(qiáng)度看出,3#經(jīng)向強(qiáng)力、緯向強(qiáng)力均為最大,7#經(jīng)向強(qiáng)力最小,1#緯向強(qiáng)力最小。這主要是因?yàn)?#為起絨織物較為厚實(shí),織物組織結(jié)構(gòu)緊密,不易破壞,而1#同為起絨織物,緯向強(qiáng)力最小主要是由于織物組織較為稀疏造成的,7#則是由于面料較為疏松,較易破壞。9#、10#為梭織面料,且織物組織為平紋,紗線間較為緊密,故強(qiáng)力良好;頂破強(qiáng)力越大,表示織物受外力破壞的可能越小,堅(jiān)牢度就越好。試樣3#的頂破強(qiáng)力最大,其織物組織結(jié)構(gòu)較為緊密,不易破壞,試樣7#的頂破強(qiáng)力最小,紗線較為疏松,較易破壞。其余試樣的頂破強(qiáng)力相差不大。

表3 試樣力學(xué)性能測(cè)試結(jié)果

2.2 保形性能

對(duì)試樣的懸垂性、耐磨性、起毛起球性進(jìn)行了測(cè)試。保形性能測(cè)試結(jié)果見表4?？椢锏膽掖剐员硎久媪弦?yàn)樽陨碇亓Χ麓沟男阅?其中3#的懸垂系數(shù)最大,7#的懸垂系數(shù)最小,其余試樣懸垂系數(shù)較為均勻;耐磨性測(cè)試中,試樣8#的耐磨指數(shù)最大,面料紗線品質(zhì)較高,原料成分為天然彩棉和有機(jī)棉混紡,在試驗(yàn)過程中幾乎不產(chǎn)生質(zhì)量差。反之,試樣1#所產(chǎn)生的質(zhì)量差最大,耐磨指數(shù)最小,其耐磨性較差,這主要是由于1#為起絨織物且較易掉絨,所以產(chǎn)生的質(zhì)量差大;抗起毛起球性測(cè)試結(jié)果表示:雖然起絨織物的原料都為滌綸,長絲紗線較為光滑,相對(duì)不易起毛起球,但由于織物種類較為特殊,由于所選起絨織物的絨毛較長,較易打結(jié)從而形成小球,其中3#的絨毛較短,故不易起毛起球。7#、8#的主要原料為棉,短纖維表面有較多細(xì)小的絨毛,起毛起球現(xiàn)象較為適中,莫代爾混紡面料表面光滑,富有光澤,起毛起球現(xiàn)象最不明顯。從織物組織方面來看,針織面料的起毛起球程度普遍大于梭織面料。

表4 試樣保形性能測(cè)試結(jié)果

2.3 舒適性能

對(duì)試樣的透氣性、透濕性、保暖性進(jìn)行了測(cè)試。舒適性能測(cè)試結(jié)果見表5。試樣的透氣率為織物在規(guī)定的時(shí)間、面積等因素下,氣流垂直通過織物的速率?？梢钥闯鏊x面料的透氣率普遍良好,其中3#的透氣率最好,9#的透氣率最差,9#、10#為梭織面料且為平紋,透氣率相對(duì)較差,相反,針織面料的透氣率較優(yōu),這是由于針織面料的線圈間間距較大,利于空氣的流通,梭織面料的平紋織物紗線間的排列較為緊湊,對(duì)空氣的阻礙較大?？椢锏耐笣窳亢涂椢锝M織、織物的表層結(jié)構(gòu)、厚度等因素有關(guān)。從表5可以觀察到,選取試樣的透濕量相差并不大,其中5#的透濕量最少,主要是由于該面料厚度值最大且原料成分為滌綸,滌綸面料的透濕性較差。10#的透濕量最多,為莫代爾混紡面料,這主要是由原料本身的性質(zhì)決定的。其他面料透濕量相差不大,透濕性相對(duì)良好。熱阻越大,傳熱系數(shù)越小,克羅值越大,保溫率越大,織物的保暖性越好。保暖性最好的是5#,最差的是9#,5#是10種試樣中厚度值最大的面料,9#是10種試樣中厚度值最小的面料,1#～6#為起絨織物,起絨織物普遍較厚,保暖性較好?？椢锉Ｅ缘膬?yōu)劣是由多種因素共同作用的結(jié)果,厚度只是其影響因素之一。

表5 試樣舒適性能測(cè)試結(jié)果

3 保暖性能預(yù)測(cè)

為了建立保暖性預(yù)測(cè)模型,基于BP人工神經(jīng)網(wǎng)絡(luò)和投影尋蹤回歸對(duì)家居服常用面料的保暖性進(jìn)行了預(yù)測(cè)。

3.1 預(yù)測(cè)方法

對(duì)家居服常用面料的服用性能進(jìn)行研究,采取灰色關(guān)聯(lián)度分析對(duì)其中影響保暖性較大的性能進(jìn)行整合,用于BP人工神經(jīng)網(wǎng)絡(luò)和投影尋蹤回歸。

3.1.1 BP人工神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)(ANN),也可稱為類神經(jīng)網(wǎng)絡(luò)或人工神經(jīng)網(wǎng)絡(luò),可用于建立某種用于預(yù)測(cè)的模型。對(duì)家居服常用面料的13種性質(zhì)進(jìn)行了研究,通過灰色關(guān)聯(lián)度選取其中5個(gè)對(duì)織物保暖性影響較大的性能用于預(yù)測(cè):厚度、克重、透氣率、透濕量和耐磨性。其中,試樣1#～10#用于訓(xùn)練,1#、2#試樣用于預(yù)測(cè)。

預(yù)測(cè)部分主要選用DPS,輸入層為5個(gè)神經(jīng)元,為厚度、克重、透氣率、透濕量和耐磨性,輸出層為1個(gè)神經(jīng)元,為保暖性,在建立BP人工神經(jīng)網(wǎng)絡(luò)模型過程中,最為重要的環(huán)節(jié)是隱含層節(jié)點(diǎn)數(shù)的選取,根據(jù)經(jīng)驗(yàn)選取再進(jìn)行大量操作計(jì)算不同節(jié)點(diǎn)數(shù)產(chǎn)生結(jié)果的誤差來擇優(yōu)會(huì)消耗大量的時(shí)間與精力,效果卻不盡人意。因此,采用了基于黃金分割BP網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)優(yōu)化算法,通過計(jì)算得出隱含層節(jié)點(diǎn)數(shù)為8。算法中所需設(shè)置的參數(shù)見表6。

表6 BP神經(jīng)網(wǎng)絡(luò)分析參數(shù)

3.1.2 投影尋蹤回歸

投影尋蹤回歸(Pr ojection Pursuit Regression)常用來分析高維數(shù)據(jù),是一種高效方法用于探索性數(shù)據(jù)分析,由Peter Hall提出。投影尋蹤回歸網(wǎng)絡(luò)模型參數(shù)采用系統(tǒng)默認(rèn)值。表7為投影尋蹤參數(shù)設(shè)置。

3.2 預(yù)測(cè)結(jié)果

3.2.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

BP人工神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)織物保暖性的網(wǎng)絡(luò)模型所采用的算法是基于動(dòng)量項(xiàng)法來進(jìn)行的。基于表7網(wǎng)絡(luò)模型,試樣1#～10#用于訓(xùn)練,1#、2#試樣用于預(yù)測(cè)。試樣1#、2#的預(yù)測(cè)結(jié)果見表8。

表7 投影尋蹤參數(shù)設(shè)置

表8 1#和2#觀察值及預(yù)測(cè)值

通過訓(xùn)練,織物的預(yù)測(cè)值和測(cè)試值存在一些誤差。其中,織物1#的誤差為0.246 3,織物2#的誤差為0.066,還需加強(qiáng)訓(xùn)練,通過多方面研究來把誤差降到最低。

3.2.2 投影尋蹤回歸預(yù)測(cè)結(jié)果

投影尋蹤回歸預(yù)測(cè)結(jié)果:1#的預(yù)測(cè)值為55.209 9,2#的預(yù)測(cè)值為54.769 9。其中,試樣1#的預(yù)測(cè)誤差為0.000 1,與實(shí)際值相差值較小,試樣2#的預(yù)測(cè)誤差為0.000 1,較為準(zhǔn)確。

3.2.3 預(yù)測(cè)結(jié)果對(duì)比分析

將PPR模型與BP人工神經(jīng)網(wǎng)絡(luò)模型對(duì)比,結(jié)果見表9。對(duì)于BP人工神經(jīng)網(wǎng)絡(luò)模型,試樣7#、9#擬合值與實(shí)際值的差值相對(duì)較大,這是由于用于訓(xùn)練的樣本大多數(shù)為針織面料,且為起絨織物,而7#雖然是針織面料,但不是起絨織物;9#為梭織面料,既不是起絨織物,也不是針織面料,所以擬合值結(jié)果相對(duì)較差。PPR模型的相對(duì)誤差較為穩(wěn)定,誤差較小。PPR模型預(yù)測(cè)結(jié)果的相對(duì)誤差小于BP神經(jīng)網(wǎng)絡(luò)模型,說明PPR模型較優(yōu),但仍需通過訓(xùn)練來提高精確度。

表9 基于不同模型的擬合(預(yù)測(cè))值與相對(duì)誤差

4 結(jié)語

研究了家居服常用面料的服用性能,對(duì)服用性能參數(shù)進(jìn)行測(cè)試,從所研究的13項(xiàng)服用性能指標(biāo)中選取了對(duì)保暖性影響最為密切的5項(xiàng)用于建立保暖性網(wǎng)絡(luò)模型,利用BP人工神經(jīng)網(wǎng)絡(luò)和投影尋蹤回歸對(duì)家居服常用面料的保暖性進(jìn)行預(yù)測(cè)。在此網(wǎng)絡(luò)模型建立的基礎(chǔ)上方便業(yè)內(nèi)人士對(duì)保暖性進(jìn)行研究。此網(wǎng)絡(luò)模型可代替YG606E型紡織品熱(濕)阻測(cè)試儀進(jìn)行織物保暖性的粗略測(cè)量。

研究還存在一些問題有待深化,試驗(yàn)選取的試樣不能完全代表家居服常用面料,有一定的局限性,樣本有待于進(jìn)一步研究。同時(shí),利用BP人工神經(jīng)網(wǎng)絡(luò)和投影尋蹤回歸建立保暖性網(wǎng)絡(luò)模型用于預(yù)測(cè)雖具有可行性,但樣本數(shù)量有限,要提高準(zhǔn)確性,還需要進(jìn)一步的研究。