（机械电子工程专业论文）纱线质量预测及外观虚拟仿真研究.pdf

纱线质量预测及外观虚拟仿真研究 摘要 纱线质量的好坏直接影响着纺织企业的经济效益，因此建立一种完善、实用的纱线质 量预测模型和纱线外观仿真模型是很有必要的，可以帮助设计人员根据原料的品质指标和 工艺参数进行纱线产品的设计与修改，为纺织企业降低生产成本、提高纱线质量提供了一 种有效的方法。 本文在研究了影响纱线质量的各项性能指标基础上，建立了一种基于蚁群聚类算法的 纱线质量预测模型，分析了带聚类分析的基本蚁群算法在构建纱线质量预测模型时的不足 和原因，设计了一种基于改进的蚁群聚类算法的纱线质量预测模型，实验证明该模型避免 了出现陷入局部最优解的现象，增加了预测模型的收敛速度并提高了系统稳定性，预测精 度较高，能够较好地解决纱线质量预测的问题。本文对纱线的外观形态结构进行了深入的 研究，采用了两种方法建立纱线外观仿真模型：一种是基于虚拟现实建模技术，采用骨架 建模思想建立仿真模型；另一种是采用非均匀有理b 样条曲面算法建立仿真模型。通过仿 真实验可以看出采用这两种方法建立的纱线仿真模型均取得了比较好的效果，达到了预期 的目标，证明了本方案的可行性。 关键字：质量预测：蚁群算法；纱线仿真；v r m l ；n u r b s 曲面算法 a b s t r a c t t h eq u a l i t yo fy a md i r e c t l ya f f e c t st h ee c o n o m i cb e n e f i t so ft e x t i l ee n t e r p r i s e s ，s oi ti s n e c e s s a r yt oe s t a b l i s has o u n d ，p r a c t i c a ly a mq u a l i t yp r e d i c t i o nm o d e la n dy a ma p p e a r a n c e s i m u l a t i o nm o d e lw h i c hc a nh e l pd e s i g n e r sd e s i g na n dm o d i f yt h ey a mp r o d u c tb a s e do nt h e q u a l i t yi n d i c a t o r so fr a wm a t e r i a l sa n dt h ep r o c e s sp a r a m e t e r s ，a n dp r o v i d ea ne f f e c t i v em e t h o d f o rt e x t i l ee n t e r p r i s e st or e d u c ec o s t sa n de n s u r et h eq u a l i t yo fy a m t h i sp a p e re s t a b l i s h e sa ny a r nq u a l i t yp r e d i c t i o nm o d e lb a s e do na n tc o l o n yc l u s t e r i n g a l g o r i t h mw i t ht h er e s e a r c ho f t h ei n f l u e n c ef a c t o r so fy a mq u a l i t yo ft h ep e r f o r m a n c ei n d i c a t o r s ， a n a l y z e st h er e a s o n sa n ds h o r t a g e s o fc l u s t e ra n a l y s i so ft h eb a s i ca n tc o l o n ya l g o r i t h mi n b u i l d i n gy a r nq u a l i t yp r e d i c t i o nm o d e l ，a n dd e s i g n sa ni m p r o v e dy a mq u a l i t yp r e d i c t i o nm o d e l b a s e do na d a p t i v ea n tc o l o n yc l u s t e r i n ga l g o r i t h m t h er e s u l t ss h o wt h a tt h em o d e ll a r g e l y a v o i d st h ep h e n o m e n o no ff a l l i n gi n t ol o c a lo p t i m a ls o l u t i o n ，i n c r e a s e st h ec o n v e r g e n c es p e e do f p r e d i c t i o nm o d e l sa n di m p r o v et h es y s t e ms t a b i l i t y t h em o d e lh a sh i g hp r e d i c t i o na c c u r a c ya n d c a ns o l v et h ep r o b l e mo fy a r nq u a l i t yp r e d i c t i o n i nt h i sp a p e r ，w eh a v er e s e a r c h e dd e e p l yo nt h e a p p e a r a n c eo fm o r p h o l o g i c a ls t r u c t u r eo ft h ey a ma n da d o p t e dt w om e t h o d st o e s t a b l i s ht h e s i m u l a t i o nm o d e lo fy a ma p p e a r a n c e ：o n ei st oe s t a b l i s hs i m u l a t i o nm o d e lu s i n gs k e l e t o nm o d e l b a s e do nt h et e c h n i q u eo ft h ev i r t u a lr e a l i t yo ft h em o d e l ；t h eo t h e ri st oa d o p tn o n u n i f o r m r a t i o n a lb s p l i n es u r f a c ea l g o r i t h mt oe s t a b l i s hs i m u l a t i o nm o d e l s t h es i m u l a t i o nr e s u l t sc a nb e s e e nt h a tt h ee s t a b l i s h m e n to fs i m u l a t i o nm o d e lo ft h ey a mu s i n gt h et w om e t h o d sa l la c h i e v e d r e l a t i v e l yg o o dr e s u l t sa n dr e a c h e dt h ee x p e c t a n tt a r g e t s ，a tt h es a m e t i m ei ta l s od e m o n s t r a t et h e f e a s i b i l i t yo f t h ep r o g r a m k e yw o r d s ：q u a l i t yp r e d i c t i o n ；a n tc o l o n ya l g o r i t h m ；y a ms i m u l a t i o n ；v i r t u a lr e a l i t y m o d e l i n gl a n g u a g e ；n o n - u n i f o r mr a t i o n a lb - s p l i n e ss u r f a c ea l g o r i t h m i i 目录 摘要i a b s t r a c t i i 第1 章绪论1 1 1 课题研究的背景和意义1 1 1 1 课题研究的背景1 1 1 2 课题研究目的及意义2 1 。2 国内外研究现状3 1 2 1 国外研究现状3 1 2 2 国内研究现状4 1 3 课题的应用前景4 1 4 课题研究的主要内容及主要方法5 1 4 1 课题研究的主要内容5 1 4 2 课题研究的主要方法5 1 5 本文的组织结构6 第2 章基于蚁群算法的纱线质量预测7 2 1 蚁群算法理论基础7 2 1 1 蚁群算法简介7 2 1 2 蚁群算法的优点8 2 2 基于蚁群算法的纱线质量预测模型的建立8 2 2 1 基本蚁群算法的数学模型8 2 2 2 基于蚁群聚类算法的纱线质量预测模型9 2 3 改进的蚁群算法10 2 3 1 改进的蚁群算法1 1 2 3 2 改进后算法的信息素更新策略1 1 2 3 3 改进后蚁群聚类算法流程图1 2 2 3 4 预测性能指标的确定1 3 2 3 5 主要参数的选取1 3 2 4 模型预测及结果分析1 4 i i i 2 4 1 数据的预处理1 4 2 4 2 预测结果1 7 2 5 小结2 7 第3 章虚拟现实技术在纱线外观仿真中的应用2 8 3 1 虚拟现实技术概述2 8 3 1 1 虚拟现实建模语言的产生和发展2 8 3 1 2 虚拟现实建模语言的优势2 8 3 1 3v r m l 建模工具2 9 3 2 基于v r m l 的纱线仿真3 0 3 2 1v r m l 文件格式3 0 3 2 2 纱线外观模型的建立3 1 3 2 - 3 纱线外观模型图像纹理映射3 4 3 3 纱线仿真实例3 5 3 4 小结3 6 第4 章基于n u r b s 的纱线仿真模型的建立3 7 4 1n u r b s 方法的概述3 7 4 1 1n u r b s 方法的产生和发展3 7 4 1 2n u r b s 方法简介3 8 4 1 3n u r b s 的数学表示3 8 4 2 纱线截面模型的建立3 9 4 3n u r b s 曲面反算拟合4 0 4 3 1 参数方向与参数选取4 1 4 3 。2 节点矢量的确定4 1 4 3 3 反求控制顶点4 2 4 3 4 反求权因子4 2 4 4 基于n u r b s 曲面算法的纱线仿真4 3 4 4 1 修改控制顶点4 3 4 4 2 修改权因子4 6 4 4 3 改进的n u r b s 算法4 8 4 5 纱线仿真实例5 0 i v 4 6 小结5 0 第5 章总结与展望5 l 5 1 全文工作总结5 l 5 2 展望5 1 参考文献5 3 作者攻读硕士学位期间发表的学术论文5 6 致谢5 7 v 北京服装学院硕士学位论文 第l 章绪论 1 1 课题研究的背景和意义 1 1 1 课题研究的背景 纺织业是我国国民经济传统支柱产业，也是在国际竞争中优势较为明显的产业。受国 际经济衰退的影响，我国的纺织企业也受到了不同程度的影响。目前，我国纺织企业的经 营模式和产品科技含量等都处于较低水平，在国际市场上还是以中、低档产品为主。大部 分中小型纺织企业对于企业内外的信息收集、传递方式比较落后，其快速、准确性无法保 证；数据的分类、统计等程序不规范，速度慢，效率低，浪费人力且易出差错，更难于快 速的实现信息的查询和反馈。生产各环节的资源、设备、人员的配置及管理主要依据于管 理者的经验，缺乏科学性。 随着市场经济的发展，市场需求变化日益加快，纺织产品个性化的趋势日益加强，使 得纺织品的生产也向着多品种、小批量、短周期、快交货的方向不断发展。这就要求纺织 企业在保证质量、节约成本的同时，实施快速反应战略。工艺管理和质量管理的水平决定 产品的内在品质和企业的技术水平，是企业竞争力的集中体现。除了加强工艺管理和质量 管理之外，生产中的库存管理、合同管理、纺织信息提供等也对企业生产和发展起着很重 要的作用。而在纺织生产过程中，纱线生产是个十分关键的环节，其流程长，工序多，原 料与工时的耗费巨大，且纱线质量在很大程度上决定着织物质量和织机效率。纺织企业如 果能够对纱线质量进行预测并对其外观进行仿真，完成纱线的虚拟加工，判断其质量是否 满足后续工序的要求，就可避免盲目投产所带来的时间延误和原料浪费，并能大大提高企 业对市场的反应速度。 长期以来，我国纺织企业由于缺乏对产品质量与纤维性能之间关系的细致研究，往往 出现购买原材料的指标与所生产的产品要求不相符合，或导致产品成本升高、或引起产品 质量波动的情况。“优纱优用”、“经济合理”的原则得不到很好的实施，浪费了许多宝贵的 资源和资金。纱线质量预测系统是在收集大量工业实际生产数据的基础上，对纱线性能、 纺纱加工工艺进行深入研究，采用现代统计分析原理及计算机技术等完成的，是高新技术 在纺织行业管理中的应用。 纺纱是一个多工序的生产流程，并且纱线的物理结构比较复杂，因此，对纱线最终质 量产生影响的因素就会很多。如果完全依靠手工操作将会带来很多问题。 ( 1 ) 费时费力不能有效降低成本、提高成纱质量； 第l 章绪论 ( 2 ) 工艺管理和质量管理难度大，特别是规模较大企业更难实现单机台及配件管理； ( 3 ) 工艺资料保存、保密、查询不方便。工艺报表和质量报表随意涂改，不符合有关质 量管理体系要求。 纱线质量预测是优化纺纱工艺、改进纱线性能、提高质量的重要步骤，但由于纱线质 量与纤维的特点、纺纱工艺参数等之间存在非线性关系，传统上的数学模型或者经验公式 已不能准确地解决该问题。鉴于蚁群优化不需要构建精确的数学模型，而是通过自身学习 能力和结构的可变性，逐步适应外部环境各因素的作用，不断修改自身行为，以达到最终 解决问题的目的，在解决纱线质量预测的问题上有适用性。 纺织企业要降低成本、提高效率，除了要进行纱线质量预测，还可以利用计算机模拟 企业所能生产的各品种的纱线，并根据用户的要求设计出新型的纱线，以满足不断变化的 市场需求。因此，深入研究纱线质量预测及外观虚拟仿真系统的设计与实现方法，研究高 效、快速、方便灵活的预测和仿真新方法，建立更完善、更实用的纱线质量预测及纱线外 观仿真模型已成为纺织业生产的需要。 1 1 2 课题研究目的及意义 我国纺织业在生产质量管理上大多尚未摆脱经验控制模式，缺乏较为科学、系统的预 测方法和技术，致使原材料性能过高或过低而难以满足加工、成本和质量要求的情况时有 发生，或在采用新材料时使某些性能得以改进，而使另一些性能却下降了，或开发成本高、 或质量难以稳定、或加工过程对原料的适应期长等等。如果一味的选择各项性能都很优质 的原棉来生产某种纱，即使纱的质量很优秀，那么为之付出很高的成本也是不值得的。所 以建立一个良好的质量预测系统可以促使纺织企业优化原料结构、降低原料成本，优化工 艺制定，提高质量控制水平和稳定产品质量，从而使企业具有良好的经济效益和社会效益。 在实际生产中，纺纱企业在生产全新产品前一般都要进行大量的试纺，来了解它的纺 纱性能及所试纺的纱线支数，这样就造成大量的材料和其它各项资源的浪费，无形中就降 低了企业的生产效率，纱线的质量也不能得到很好的保证。而现在市场要求的是产品生产 周期短，生产批量小，品种翻新快，生产必须围绕市场来运转，这就不可能花很多时间和 精力去进行试纺。因此，这样企业的生产水平和当前的市场发展趋势非常不适应，为了提 高企业的市场竞争力，建立一种智能化的纱线质量预测系统和纱线外观仿真模型来进行纱 线质量的跟踪就很有必要。 通过开发纱线的真实感仿真和质量预测系统，可以在生产新产品前对纱线的质量进行 预测，并建立出纱线仿真模型。通过纺纱前对纱线质量进行预测和外观仿真，设计人员在 2 北京服装学院硕士学位论文 不需要打小样的情况下，根据已知的纱线性能指标预测的纱线质量，并且直观的看到所设 计的纱线外观。分析影响纱线质量的因素，通过人机交互控制，改变纱线设计的各项参数， 使其符合实际生产中的需要，从而得到预期的产品。完成纱线的虚拟加工，就可以判断原 料是否满足后道工序的要求，避免纺制小样造成的时间延误和原料浪费，从而能大大提高 纺织企业对市场的反应速度。对指导企业降低成本、提高效率、稳定生产具有相当的实际 意义和价值。 1 2 国内外研究现状 1 2 1 国外研究现状 在国外，研究开发纺织企业生产管理软件的公司比较多，其生产管理水平也比较高， 计算机的普及程度以及在生产上的应用比较早，各种数据比较规范，对各种数据的处理水 平较高。八十年代中期，国外兴起了纺织生产应用软件的开发热潮，大量出现数据处理 和仿真系统，但当时这类软件投放市场的还很少。九十年代以后，纺织生产应用软件才迅 速地发展起来。大约在2 0 世纪八十年代末达到了顶峰状态。进入2 0 世纪九十年代，国外 的研究领域扩展到快速反应( q r ) 以及计算机集成制造( c i m ) 上。一名为s y s t e x 的 软件包，功能几乎集成了纺织生产的各个环节，包括生产计划、存贮控制、采购控制、成 本核算等，文献介绍其使用效果良好。近年来，m r p l l 与e r p 概念的完善，使纺织企业 的计算机应用达到了一个较高的程度。将质量控制( q u a l i t ym a n a g e m e n t ) 和计算机集成制 造( c i m ) 同时进行，对生产进行控制，但由于两者之间的先天独立性，两者的结合存在 许多问题。 随着计算机图形图像处理技术的不断发展和深入研究，纱线的仿真方法多种多样。如 以图形方式对纱线的参数化设计进行模拟，其设计思想使用一组循环排列的倾斜色彩小长 方形代表纱线单元块的仿真模型【1 2 】；通过利用纱线扫描图像，在经过一定的处理与分析后， 填绘于织物的组织点中以模拟织物的外观；利用颜色空间转换，结合一定的图像处理算法模 拟纱线外感【3 1 ；考虑纱线的平面图形和立体效果，利用光照模型和纱线几何结构建模方法 模拟出参数化的纱线，实现纱线的真实效果模拟【4 卅。市场上比较成熟的的国外织物模拟仿 真软件有：德国d e s i g n s c o p e 公司的e a t 、荷兰的n e g g r a p h i c s 、英国s c o t w e a v e 。 对于进行纱线质量预测的研究，如早期的m a r t i n d a l e 研究从精梳毛条与纱线的一些不 匀率观察值来估计判断成纱的不匀率；又如h e a r l e 在深入进行纱线结构力学分析的基础 上，建立纱线的强力模型；再如l a m b 曾从理论上、实验上研究牵伸对纱线不匀和纱疵的 第l 章绪论 影响：目前毛纺企业广泛应用的由澳大利亚开发的以多元线性回归统计技术为基础的 t e a m 公式，是协调毛纺原料成本与毛条质量之间的相互关系的科学工具。2 0 世纪9 0 年代 以后，国外纺织界越来越多的对纺纱质量预测系统进行研究，主要集中在纱线拉伸性能的 预测0 1 ，纱线强力的预测【l l - 1 4 1 及多种纱线质量指标的预测【1 5 17 1 。国际上开始将蚁群优化 技术应用于纺织领域，但把蚁群优化应用于纱线质量预测系统上的研究，还处于初步阶段， 对这方面的介绍也很少。 1 2 2 国内研究现状 八十年代末到九十年代初，我国的纺织企业逐步开始进行企业管理信息系统( m i s ) 的建设。九十年代以后，很多企业和科研院校相继研发出具有各自特色的纺织软件产品。 用于纱线外观模拟的方法基本上和国外应用得方法相同。其中，中国纺织科学研究院开发 得织物仿真系统具有很强的织物虚拟仿真功能【l 踟，该系统代替织物得小样机打样的效率是 普通手工的几十倍甚至于几百倍。上海毛麻纺织科研所与上海十一毛联合开发的c a d 系 统【1 9 】，可模拟织物效应、花色效应、起毛效应、加捻效果等多项功能。但是这些系统都不 能实现纱线质量预测。 纱线质量预测的软件如天津纺织工学院研制的棉纺厂纺纱工艺计算机辅助设计系统 ( c s t - a c d ) ，该系统采用v i s a u lb a s i c 实现与工艺数据库的连接，包括了纺纱生产各工序 的工艺参数和数据，可实现工艺单的录入、查询、修改、打印等功能，可对生产质量进行 分析。对于这类系统，我国定性的描述比较多，而具体的量化的描述相对比较少。通过调 查发现，我国还存在一些中小型纺织企业生产经营管理仍停留在较低水平。除了纺织企业 本身的资金问题外，国内已开发的纺织企业信息管理系统( m i s ) 质量管理软件大都侧重于质 量记录的填写与统计，全面质量分析、评定与质量原因诊断功能存在不足。 综合国内外的纺织企业生产应用软件的开发情况，可以看出国内与国外的差距较大， 虽然国外开发的软件优于我国，但由于我国的生产环境与国外存在着一定的差异，因此， 国外软件不太适合于我国的国情，通用性差，大面积普及难度大【2 0 埘】，这就要求我们要自 主开发适合我国国情的纺织生产应用软件，使其能够真正优化生产、降低消耗、提高产品 质量和生产效率，并在该领域赶上和超过世界先进水平。 1 3 课题的应用前景 纺织工业是原材料加工业，纱线的产品质量很大程度上是由原棉纤维的特点和性能、 纺纱工艺参数、技术装备水平等决定的。研究各项纺纱工艺参数及纱线外观仿真形态对成 4 北京服装学院硕士学位论文 纱质量的影响具有普遍意义，是提高纱线质量的关键。近年来，一种新型的智能优化算法 蚁群算法以及各种虚拟现实技术被广泛应用于多个领域，国内外的一些研究学者也逐 渐地把这些新技术应用于纺织领域。 建立基于蚁群算法的纱线质量预测的计算机管理系统，并利用虚拟现实技术和曲面造 型技术建立纱线仿真模型，对提高纺织企业的反应速度、稳定生产、降低成本具有相当的 实际意义和价值。所以，研究和开发本课题有很大的发展前景，不但可以提高纱线质量及 纱线预测水平，还可以解决企业中的实际困难，为企业创造更多的价值。 1 4 课题研究的主要内容及主要方法 1 4 1 课题研究的主要内容 本课题将以棉纺厂作为研究重点，研究的主要内容是纱线质量预测，在生产成品之前 借助于计算机对纱线的质量进行预测，根据预测的结果仿真出真实感较强的纱线外观。并 根据预测结果分析对纱线质量影响较大的因素，结合纺纱工艺调整各项工艺参数，为新产 品的开发提供理论基础。因此，本文的主要内容集中在以下几个方面： ( 1 ) 本文详细分析了蚁群算法在纱线质量预测中的工作原理，阐述了进行纱线质量 预测的意义，在对原棉质量指标和成纱质量指标进行相关分析的基础上，确定了纱线质量 预测系统的输入、输出的各项指标，构建了基于蚁群算法的纱线质量预测模型。根据预测 结果，对蚁群算法进行了相应的改进，使改进后的算法能更好地进行纱线质量预测，实现 了通过原棉质量指标预测纱线质量指标的目的。 ( 2 ) 在对纱线几何结构研究的基础上，对虚拟现实建模技术和非均匀有理b 样条曲 面算法进行分析，分别利用这两种方法建立纱线外观仿真模型。并通过调整影响纱线外观 的相关性能参数，对建立的纱线外观模型进行修改，完成对各种类型纱线的虚拟加工。从 而避免时间的延迟和原材料的浪费，使企业降低成本，提高效率。 1 4 2 课题研究的主要方法 1 ) 参考以往的相关研究，分析原料各项物理指标和各项工艺参数与纱线质量的关系。 运用蚁群算法，进行数学建模，实现纱线质量预测模型的训练与预报。 2 ) 采用节问骨架建模思想对纱线结构进行分析，通过虚拟现实技术中的虚拟现实建 模语言建立纱线仿真模型。 3 ) 根据纱线的各项性能参数，运用非均匀有理b 样条曲面算法建立纱线模型，并通过 修改控制顶点和相应的权因子对纱线外观曲面进行修改。 第l 章绪论 1 5 本文的组织结构 本论文共分五章，主要从系统结构、关键技术及应用、蚁群算法在纱线质量预测中的 应用、虚拟现实建模技术和非均匀有理b 样条曲面算法在纱线外观仿真中的应用等几个方 面进行论述，下面就本文的结构进行简单的介绍： 第一章绪论。本章主要介绍了论文的研究背景和国内外关于本课题的研究现状，指 出本课题的研究目的和意义，最后提出了论文的研究内容和方法。 第二章蚁群算法在纱线质量预测中的应用。本章首先分析了蚁群算法在纱线质量预 测中的工作原理，然后建立了纱线质量预测模型，并提出了蚁群算法的- j f o o 改进算法 自适应蚁群算法，加快了收敛速度并增加了问题的求解精度，能够达到系统的要求。 第三章虚拟现实技术在纱线外观仿真中的应用。本章首先分析了虚拟现实技术在纱 线外观仿真中的工作原理，然后建立了纱线仿真模型，并对纱线外观进行纹理映射，仿真 出真实感的纱线图像。 第四章基于非均匀有理b 样条曲面算法的纱线仿真模型建立。本章对非均匀有理b 样条曲面算法进行了深入研究和分析，建立了纱线外观仿真模型。然后通过修改曲面的控 制顶点或权因子，构建了各种类型的纱线模型。 第五章总结和展望。对本文的工作进行总结，分析该系统存在的问题和需要进一步 研究的内容，并指出进一步改进和完善的方向。 6 北京服装学院硕士学位论文 第2 章基于蚁群算法的纱线质量预测 纺纱是一个多工序的生产流程，加之纱线的物理结构比较复杂，对纱线最终质量产生 影响的因素有很多，很难对纱线质量进行准确预测。因此建立完善的纱线质量预测模型， 就能够根据原料的性能指标和纺纱工艺参数对纱线质量进行预报，完成纱线的虚拟加工， 使纺织企业提高纱线效率、降低成本。目前，国内外对纱线质量进行预测的方法有多种 f 2 2 埘】。本文通过对蚁群算法进行深入分析和研究，建立了基于蚁群算法的纱线质量预测模 型。 2 1 蚁群算法理论基础 2 1 1 蚁群算法简介 蚁群优化算法( a n tc o l o n yo p t i m i z a t i o na l g o r i t h m ，a c o ) ，又称蚂蚁算法，是一种基 于群体的、用来寻找优化路径的几率型算法。该算法最早由意大利的m d o r i g o 等人在 1 9 9 1 年提出 2 q ，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群在觅食过程 中总能找到蚁巢和食物源之间的最短路径，受其启发，意大利学者m a r c od o r i g o ，v m a n i e z z o 和ac o l o m i 提出了一种新型的模拟进化算法蚂蚁系统。a s 算法是第一个 a c o 算法，被称为基本a c o 算法，该算法的出现开创了a c o 研究的先河。 蚁群算法是一种求解组合最优化问题的新型通用启发式方法，它具有正反馈、分 布式计算和富于建设性的贪婪启发式搜索的特点。该算法由若干个蚂蚁共同构造解路 径，通过在解路径上遗留并交换信息素提高解的质量，进而达到优化的目的。a c o 的主要特征是正反馈和隐并行性。正反馈机制可以快速发现优化解，隐并行性通过多 个个体之间的并行交换信息素可防止算法陷入局部最优解。蚁群算法采用分布式控 制，这种分布式多智能体的协作过程是异步并发进行的，分布并行模式将大大提高整 个算法的运行效率和快速反应能力。 目前a c o 算法已在求解组合优化、函数优化、系统辨识、机器人路径规划、数 据挖掘、网络路由等问题时取得了较好的效果【2 6 也8 1 。但同时也存在一些缺陷，如收敛 速度慢、易出现停滞现象等。针对a s 算法的不足，许多学者对其进行了深入的研究，提出 了一些改进的a c o 算法，如最优保留蚂蚁系统【2 9 1 ( a s e l i t e ) 、蚁群系统【3 0 】( a c s ) 、最大 最小蚂蚁系统【3 1 1 ( m m a s ) 、基于排序的蚂蚁系统【3 2 】( a s r a n k ) 等等。从当前的应用效果 来看，这种模仿自然生物的新型系统寻优思想具有十分光明的前景。 7 第2 章基于蚁群算法的纱线质量预测 2 1 2 蚁群算法的优点 蚁群算法具有如下优点【3 3 】： ( 1 ) 分布式计算。蚁群算法是一种基于种群的进化算法，本质上具有并行性。 ( 2 ) 鲁棒性。只需对蚁群算法的模型稍加修改，就可以应用与其它问题中。 ( 3 ) 易于和其他方法结合。蚁群算法很容易与多种启发式算法结合，以改善算法 的性能。 众多研究已经证明蚁群算法具有很强的发现较好解的能力，这是因为该算法不仅 利用了正反馈原理，在一定程度上可以加快进化的过程，而且是一种本质上并行的算 法。不同个体之问不断进行信息交流和传递，从而能够相互协作，有利于发现较好解。 2 2 基于蚁群算法的纱线质量预测模型的建立 2 2 1 基本蚁群算法的数学模型 蚁群算法的基本原理是：基于信息素和跟踪理论对蚂蚁寻找食物源的行为作出的 解释。在初始状态，蚂蚁随机的选择一条道路，由于在相同时间内，会在较短的路径 上积聚较多的信息素，因而后出发的蚂蚁会倾向于选择这条路径，这样又进一步增加 了该路径上的信息素。在经过一段时间后，大部分蚂蚁都将会选择该路径【3 4 1 。 在蚁群算法中，对位于节点f 的蚂蚁k 以概率q 。移动到节点，蚂蚁的状态转移公 式为： ：一麟。m 抑2 ) ，女口果阳。式( 2 - 1 ) 旧否则 上式中，q 。( 0 ，1 ) 为常数，t o ( f ) 为r 时刻路径( f ，) 上的信息素，表示启发式因 子的相对重要程度，r m 是启发式因子，表示蚂蚁从节点f 转移到节点，的期望程度， 通常r m = 。在选择下一个节点前随机生成q ，如果q 的值小于等于常数q 。，则从f a m 到所有可行的节点中找出气( f ) 刁2 最大的节点，即下一个要选择的节点；如果随机数g 大 于吼，则按照下式来选择下一个节点： 出忙一，如尉啪 p ：( f ) ： f 括( f ) b 詹( ，) r 7 ”7 。叫。2 v 。 i 艟 ( ，) 10 ，否则 北京服装学院硕士学位论文 公式( 2 - 2 ) 中，以( f ) 为蚂蚁k 当前的可行节点集合。 2 2 2 基于蚁群聚类算法的纱线质量预测模型 蚁群聚类算法的主要思想是在某种分类标准的情况下，将待聚类的数据样本分为 k 个类，使同一类内样本的相似性尽可能最大，而对于处于不同类内样本的相似性尽 可能最小。 采用蚁群聚类算法建立纱线质量预测模型时，将待聚类的数据看作是具有不同属 性的蚂蚁，聚类中心是蚂蚁需要寻找的食物源。即蚂蚁寻找食物源的过程就相当于数 据样本的归类过程。 对纱线质量进行预测时采用了4 l 组样本数据，这些样本数据可以组成如下矩阵： x = x ji = 1 , 2 ，n = 在公式( 2 - 3 ) 中，刀为样本数据的个数，也就是蚁群算法中蚂蚁的总个数，即n = 1 4 。 每组样本数据具有m 个属性，即纺纱工艺参数指标的个数，m = 1 6 。 将预测的性能指标的预测误差值看作蚁群算法中的信息素函数乃( ，) ，将预测系统中各 样本数据的差值看作蚁群算法中的启发式因子( f ) 。本次迭代中留在数据样点z 与数据 样点x ，之间的信息素量乃为： 乃：- f o k = ll t r l l ，= l 一l f 式( 2 - 4 ) 式( 2 - 5 ) 其中，a 为本次迭代后的的信息素总量，通常为j 下常数：l 。表示第k 只蚂蚁在 本次迭代中所选择过的数据的总差值。 根据构建的信息素函数勺( f ) 和启发式因子( f ) 计算转移概率岛( f ) ，从而决定是否由样 点x 。移到样点x j ，转移概率公式如下表示： p 口( r ) = p 。o ) r b 。o ) p 0 ，否则 如果，以( f ) 式( 2 - 6 ) 上式中，j k ( f ) = 1 ，2 ，z 表示数据样本k 下一步允许选择的采样点集合。口表示各样 9 曼 砣； m“； 第2 章基于蚁群算法的纱线质量预测 点之间信息素的相对重要程度。 当p ( r ) p 。时，则将纱线的数据样点x ，归到样点x j 的邻域内。令： c = x l d ，k = 1 ，2 ，n ，c 表示所有归并到样点x 邻域的数据集合，j 表示归并 到样点邻域的数据集合c j 中数据样本个数。根据公式( 2 7 ) 求出样本数据在进行聚 类分析时的聚类中心： 1j 虿= 专托，x 。c j ，k = l 设c - 是第个聚类中心的第k 个分量。则可知第个聚类分析的总体误差为： g = 喜喜压万 当总体误差在规定范围内时，算法结束，否则将继续迭代。 在纱线质量预测模型的数据样本中进行局部信息素更新时，数据样点x ，与数据样 点x 之间的误差值按下式进行更新： ( ，4 - 1 ) = ( 1 一p ) 乃( f ) 4 - p 式( 2 - 9 ) 进行全局误差值更新时，按照下式进行误差值更新： f ，o + 1 ) = ( 1 一p ) 乃o ) + + p f l ， 式( 2 1 0 ) 蚁群聚类算法在聚类过程中是以聚类的整体误差最优为依据，从而使各个类的类 内距的差异性减小，其具体表现是聚类均匀性，该性能映射到预测误差是误差分布的 均匀性，即得到纱线质量的整体预测性能的均匀性，这对提高纱线质量预测精度的稳 定性极其重要。 2 3 改进的蚁群算法 在许多研究中都证明了蚁群算法具有很强的发现最优解的能力。但是该算法在一 定程度上仍存在着一些缺陷，如： ( 1 ) 收敛速度慢：与其他方法相比，该算法一般需要较长的搜索时间； ( 2 ) 容易出现停滞现象：即搜索进行到一定程度后，所有个体所发现的解完全一 致，不能进行进一步搜索，不利于发现更好地解。 解决蚁群算法过程中易出现停滞现象的问题和保证其具有较强的探索能力的方 法就是在“探索”和“利用”之间建立一个平衡点。也就是说既要使得算法的搜索空间尽 可能的大，以便寻找那些可能存在最优解的解空间；同时也要充分利用有效的历史信 1 0 北京服装学院硕士学位论文 息，使算法搜索的侧重点放在那些可能具有最优解的空间。 2 3 1 改进的蚁群算法 针对基本蚁群算法的不足，在此基础上提出了一种改进的蚁群算法自适应蚁 群算法( a d a p t i v ea n tc o l o n ya l g o r i t h m ，简称a a c a ) ，该算法可以极大地提高模型 搜索较好解的能力。a a c a 算法使用自适应伪随机比率选择规则，根据平均节点分支 数动态的调整转移概率以避免算法出现停滞现象。 在纱线质量预测模型中，对位于样本f 的样点k ，按公式( 2 1 1 ) 选择下一个将 到达的样点，： f ：卜黝如) r a ( f 甜) 如果g 矧删 ls ，否则 g ( 五( f ) ) = a ( t ) n式( 2 1 2 ) 允( ，) 【2 ，n 】表示该算法在第，次迭代时的平均节点分支数( a n b ) ，节点总数n = 4 1 。 在纱线质量预测过程中，数据样本在选择下个样点前随机生产q ，如果 q g ( 元( f ) ) ，则从样点f 到所有可选择的路径中找出使 f ( f ，甜) 1 1 a ( f ，“) ) 最大的样点；如 果q g ( 兄( f ) ) ，从而按转移概率公式( 2 - 1 3 ) 决定是否由样点x ，移到样点x ： f p k ( f ，) = 【 k ! ! ! ! j ：垃! ! ：盟r 【r 抽( f ) r b 坫o ) r j e 1 k ( f ) 0 ，否则 ，如果，以( i ) 从公式( 2 。1 2 ) 中可以看出，函数g ( a ( f ) ) 的值与平均节点分支数成正比。当平均 节点分支数兄( f ) 变小时，说明算法将要出现停滞现象，此时g ( 旯( ，) ) 的值也会变小。按 照公式( 2 1 3 ) 进行选择的概率增大，从而提高算法的随机搜索能力，增大解的搜索 空间；当平均节点分支数变大时( 如接近样点数n ) ，则按照公式( 2 1 1 ) 进行选择 的可能性增大，即较好的路径将会被选中。这样，a a c a 算法能够根据自身的内部状 态适应的选择路径，不但避免了出现停滞现象，而且保持较高的搜索能力。 2 3 2 改进后算法的信息素更新策略 在纱线质量预测模型的数据样本中，进行局部信息素更新时，从数据样点f 移到 样点，后，则这两个样点之间的信息素量按下式更新： f + 刀) = ( 1 一p ) f 盯( f ) + f o 式( 2 - 1 4 ) 第2 兰董王壑登簦鲨竺丝垡堕量堡型 一一 当进行全局信息素更新时，设为当前全局最优解，f 尹= 1 矿。则： 啪+ 以) = ( 1 一p ) 啪) + + 嵋 式( 2 1 5 ) 2 3 3 改进后蚁群聚类算法流程图 改进后的带聚类分析的自适应蚁群算法用流程图如图1 所示。 图1 自适应蚁群聚类算法流程图 1 2 北京服装学院硕士学位论文 以纱线性能指标中的棉杂为例，基本蚁群算法的收敛曲线如图2 所示，自适应蚁 群算法的收敛曲线如图3 所示，其中横坐标为迭代次数，纵坐标为误差( ) 。图2 中 的最小误差为3 0 8 ，图3 中的的最小误差为2 7 ，可见改进后的蚁群算法得到的 值较优。并且从图中可以看出，基本蚁群算法在迭代6 0 0 次后收敛，而改进后的蚁群 算法在迭代3 5 0 次时就收敛了，收敛速度较快。 图2 基本蚁群算法收敛曲线图3 改进后蚁群算法收敛曲线 2 3 4 预测性能指标的确定 纱线质量预测模型，就是根据原棉的性能指标和纺纱的工艺参数来预测纱线质量的预 测模型。通过对纺纱质量的主要影响因素进行分析研究，再根据专家经验和实际调查，选 取了对纱线质量影响较大的六个性能指标进行预测。本预测模型的要预测的纱线质量指标 指标为：实际干重( g l o o m ) 、重量c v ( ) 、断裂强度( c n t e x ) 、棉结( 个胁) 、条干c v ( ) 、 棉杂( 个k m ) 。并确定了与纱线质量指标值关系密切且容易量化的参数作为预测模型的输 入值为原棉物理指标和纺纱工艺参数指标：纱线支数、技术品级、马克隆值、w 支数( m g ) 、 主体长度( n u n ) 、品质长度( m m ) 、短绒率(