（计算机应用技术专业论文）基于模糊神经网络的面料缝纫平整度客观评价研究.pdf

基于模糊神经网络的面料缝纫平整度客观评价研究摘要基于模糊神经网络的面料缝纫平整度客观评价研究中文摘要随着世界范围内的质量标准体系和规范测试方法的逐步推广和应用，以及服装生产快速反应的需要，有必要建立一套根据可测量面料各项性能指标来预测成衣加工质量的客观评价系统。服装面料缝纫性能好坏是直接影响服装外观质量和成衣加工质量的重要因素，本文重点研究面料缝纫平整度性能预测评价的方法。服装面料缝纫平整度是指面料在缝纫过程中受低应力作用后所呈现出来的起皱程度，它与面料的各项力学性能指标有密切关系。本文首先借助世界上通用的f a s t面料力学性能测试系统对一定范围内常用服装面料力学性能进行测试，然后运用相关分析对面料各项f a s t 力学性能与缝纫平整度关系进行研究。其次，对面料的高维非线性f a s t 力学性能指标，运用主成分分析和核主成分分析的多元统计理论，进行“降维 处理，提取特征数据( p c 和k p c ) 简化神经网络输入端的数据。然后运用模糊核聚类算法对提取的特征数据( p c 和k p c ) 进行模糊聚类分析，得到相应聚类中心和模糊分割矩阵。最后将得到的样本的聚类中心和模糊分割矩阵作为径向基神经网络的基函数中心和函数宽度，使网络隐层节点的宽度( 感受野) 和中心得到优化和控制。实验证明，本文提出的基于模糊神经网络的面料缝纫平整度客观评价系统可以根据薄型丝织物和中厚型毛织物的不同结构及力学物理性能快速准确地给出该织物成衣后的缝纫性能评价，系统泛化能力较好。本文在前人研究的基础之上，构建了一个基于模糊神经网络服装面料缝纫平整度客观评价与预测的k f c m - r b f n n 模型。建立一个完整的面料缝纫平整度预测系统既可以指导生产企业在生产实践之前预测出面料成衣后的缝纫等级，减少次品率，节省成本，又可以帮助服装采购部门合理选择面料投放生产，有效决策，增强市场竞争力。关键词：纺织面料，f a s t ，力学性能指标，缝纫平整度，主成分分析，核主成分分析，模糊核聚类，径向基神经网络作者：范蕤指导老师：陆建德a b s t r a c t 黜蚴f h o b j e c t e v a l u a t i o n m e t h o d s o f g a r m e n t s e a m p u c k e r c a m e b a s e d o n f u z z y n e u r a l n e t w o r kr e s e a r c ho no b j e c t i v ee v a l u a t i o nm e t h o d so fg a r m e n ts e a mp u c k e rg r a d eb a s e do nf u z z yn e u r a ln e t w o r ka b s t r a c tw i t ht h ed e v e l o p m e n to fg a r m e n tq u a l i t yc r i t e r i o n sa n dn o r m a lm e a s u r e m e mm e t h o d si nt h ew o r l da n dt h er e q u i r e m e n to fq u i c kr e s p o n s es y s t e mi ng a r m e n tm a n u f a c t u r e ，i ti sn e c e s s a r yt os e tu pa no b j e c t i v ee v a l u a t i o ns y s t e mf o rg a r m e n tq u a l i t yp r e d i c t i o nb a s e do nt h ef a b r i cl o ws t r e s sm e c h a n i c a lp r o p e r t i e s 。f a b r i cs e w i n ga b i l i t yi so n eo fi m p o r t a n tf a c t o r st h a ti n f l u e n c et h eq u a l i t yo fg a r m e n ta p p e a r a n c ea n dm a n u f a c t u r eq u a l i t y i nt h i sp a p e r , w ep r o p o s e da ne f f e c t i v ee v a l u a t i o nm e t h o dt op r e d i c tg a r m e n fs e a mp u c k e rg r a d e g a r m e n ts e a mp u c k e ri st h ew r i n k l ed e g r e eo ff a b r i cu n d e rl o ws t r e s s ，a n dr e l a t e sc l o s e l yw i t l lt h em e c h a n i c a lp r o p e r t i e so ff a b r i c f i r s t l y , i nt h i sp a p e r , w eu s ef a s t ( f a b r i ca s s u r a n c eb ys i m p l et e s t i n g ) s y s t e mt om e a s u r et h em e c h a n i c a lp r o p e r t i e so fc o m m o n l yu s i n gf a b r i c ，a n da p p l yt h ec o r r e l a t i o na n a l y s i sm e t h o dt oo b s e r v et h er e l a t i o n so ff a b r i cf a s tm e c h a n i c a lp r o p e r t i e sa n df a b r i cs e w i n ga b i l i t y s e c o n d l y , w eu s ep c aa n dk p c am e t h o dt oa n a l y z et h e s eh i g hd i m e n s i o na n dn o n l i n e a rf a s tm e c h a n i c a lp r o p e r t i e sd a t a( r e d u c i n gd i m e n s i o n so ft e s td a t a ) s ow ee x t r a c tt h ec o r r e s p o n d i n gf e a t u r e s ( p ca n dk p c )a st h ei n p u to fn e u r a ln e t w o r k t h i r d l y , t h ee x t r a c t e dp ca n dk p co ff a b r i cf a s td a t aw e r ec l a s s i f i e db yt h ea l g o r i t h mo ff u z z yk e r n e lc l u s t e r i n g ( k f c m ) a n dg e tf u z z yp a r t i t i o nm a t r i xua n dc l u s t e r i n gc e n t e r 矿a tl a s t ，w ep a s st h ef u z z yp a r t i t i o nm a t r i xua n dc l u s t e r i n gc e n t e rvt oo r d i n a r yr b f n nt oc o n s t r u c tak f c m r b f n nn e u r a ln e t w o r kb ya d j u s tt h ew i d t ha n dc e n t e ro fr a d i a lb a s i sf u n c t i o no fh i d d e nn o d e s t h em o d i f i c a t i o nm a k e st h ew i d t h ( r e c e i p tf i e l d ) a n dc e n t e ro fh i d d e nn o d e so fr b f n nb e c o m em o r ee f f e c t i v e l yo p t i m i z i n ga n dc o n t r o l l i n g o u re x p e r i m e n t a lr e s u l t sd e m o n s t r a t et h a tt h ep r o p o s e ds y s t e mc o u l de f f i c i e n t l yb eu s e da saf a b r i cs e w i n ga b i l i t yp r e d i c t i o ns y s t e mw i t h1 1 i g ha c c u r a c ya n di sr o b u s tf o rv a r i o u ss t r u c t u r e sa n dm e c h a n i c a lp r o p e r t i e so ff i l m ys i l ka n dm i d d l et h i c kw o o lf a b r i c o nt h eb a s i so ft h ef o r m e r s r e s e a r c h ，t h ep r o p o s e ds y s t e mb yu sc a r lb eu s e de f f i c i e n t l yt oa no b j e c t i v ee v a l u a t i o no fg a r m e n ts e a mb a s e do nk f c m r b f n n t h ep r e d i c t i o nr e s e 砌0 1 1 0 b j e c t e v a l u a t i o n m c f l a o d s o f g a r m e n t s e a m p u c k e r g r a d e b a s e d o n f u z z y n e u r a l n 哪v o r ka b s t r a c tr e s u l t so fs e w i n ga b i l i t yw i l lb eu s e dt oi n s t r u c tt h eg a r m e n tf a c t o r yt om a n u f a c t u r ee f f e c t i v e l y s ot h ep r e d i c t i o ns y s t e mp r o p o s e db yu si m p r o v e st h em a r k e tc o m p e t i t i o nc a p a b i l i t yo fg a r m e n te n t e r p r i s e s k e y w o r d s ：f a b r i c ，f a s t ，m e c h a n i c a lp r o p e r t y , s e a mp u c k e rg r a d e ，p r i n c i p a lc o m p o n e n t -a n a l y s i s ( p c a ) ，k e r n e lp c a ，f u z z yk e m e lc l u s t e r i n g ，r b fn e u r a ln e t w o r ki i iw r i t t e nb yf a nr u is u p e r v i s e db yl uj i a n d e苏州大学学位论文独创性声明及使用授权的声明学位论文独创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含其他个人或集体已经发表或撰写过的研究成果，也不含为获得苏州大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。研究生签名：【些艘e l多尹，学位论文使用授权声明苏州大学、中国科学技术信息研究所、国家图书馆、清华大学论文合作部、中国社科院文献信息情报中心有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权苏州大学学位办办理。研究生签名：1 色壅- 日期：垒监：兰：兰导师签名：基于模糊神经网络的面料缝纫平整度评价研究黼绪论第一章绪论本章主要介绍了基于神经网络的面料缝纫外观评价课题的研究意义，分析了课题研究的现状，提出本文在研究过程中主要完成的工作。同时介绍了实验中使用的测试仪器，最后给出论文的结构。1 1 课题研究意义纺织服装产业是我国最具国际比较优势和一定竞争优势的行业【l j ，在国民经济发展中具有重要的战略意义。在加工生产的过程中，服装面料的加工工艺、加工技术和加工材料都是影响服装加工性能和加工质量的重要因素。当前国际纺织印染工业发展日新月异，高新技术不断注入，新的功能性面料、环保性面料和新的纤维面料种类不断涌现，导致人们基于传统面料的缝纫经验已经不能很好适应新型服装面料的加工与制作的要求。随着现代人生活质量和生活品位的提高，人们对服装面料提出了更为人性化的要求，过去常用强伸度、耐久性等指标来评价面料的品质性能，如今，人们更多的将服装视觉风格、触觉风格、成形性和穿着舒适性并列为服装面料的主要品质内容。这就给服装工艺师如何快速、准确地选择服装面料，结合每一块面料的加工性能，制作出既符合服装面料特性，又具有良好服用性能的成衣产品提出新的研究课题。针对这种情况，从上个世纪九十年代开始，国际上就已经出现了对面料评价的研究由单一研究面料而转向面料性能与服装加工性能相结合的研究趋势【2 - 3 】。专家们希望利用各种方法对服装面料综合性能进行客观的评价，以达到对服装面料的成型性、可缝性和服用性能进行预测的效果，从而为服装生产厂商在面料选择、购买和加工过程中提供决策帮助，最终达到对产品生产质量的有效控制。在成衣质量视觉风格评价过程中面料的成形性和可缝性始终是人们观注的两个重要内容。这两个指标所描述的是二维面料在制成三维空间曲面服装时，面料空间造型的能力，也可以理解为面料在被施加平行压力时吸收压缩而不会产生折皱的能力。在缝纫的过程中，由针和线把压力施加在织物上，不能吸收这种压力的面料为成形性差的面料，这种面料在缝纫过程中会产生缝纫折皱，致使面料缝纫平整度性能下降，第章绪论基于模糊神经网络的面料缝纫平整度评价研究从而影响成衣质量。因此，在服装成衣加工过程中面料加工的缝纫外观平整度性能好坏是综合反映服装外观质量高低的重要因素。长期以来，服装面料缝纫外观平整度性能的评价和面料选材时对服用性能的评价主要借助生产和设计专家们常年经验的积累，这种方式已不能完全满足服装市场快速响应和大工业化流水生产的要求。在前人研究的基础之上，本文采用人工智能技术，运用数理统计方法优化输入数据，建立神经网络模型，通过对网络进行训练和学习来实现面料外观缝纫平整度等级的预测，搭建了一个基于模糊神经网络计算的服装加工成形性能评价体系，以帮助服装生产企业在面料选材和质量控制方面提高效率，增强其市场核心竞争力。本课题为江阴职业技术学院与江阴某大型服装企业校企合作研究的横向课题，课题从2 0 0 7 年3 月开始研究，到目前为止课题组已经取得一些阶段性成果。目前，正在设计一个行之有效、界面友好的预测软件( 结合数据库) 对所要采购面料的缝制及其它服用性能进行预测，即建立一个服装面料缝纫性能专家预测系统，以扩大本系统在服装设计与生产领域应用的广泛性。本课题计划于2 0 0 9 年6 月结题验收。1 。2 研究现状和研究目标目前，对服装面料缝纫外观性能的评价方法主要包括主观评价和客观评价两方面【4 】。在上世纪7 0 年代日本h e s c ( t h eh a n de v a l u a t i o na n ds t a n d a r d i z a t i o nc o m m i t t e e ) 采用的目光测试法【5 j 将面料缝纫平整度等级分为o 4 级，其中0 级最好，未起皱，4 级效果最差，严重起皱。在美国纺织品印染协会推荐的a a t c c 8 8 b 标准中规定多次家洗后织物缝线处的平滑性能，很多学者采用此方法对服装缝纫平整度进行评价【6 - 7 1 ，将起皱程度分为5 级，1 级最差，5 级最好，可接受的最低级为3 5 级。这些评价方法中大都采用将缝制样本与参考标准样本比较，通过目光观察测试得到评定等级，属于主观评价法。主观评价易受评价者个人的不确定因素影响，有失客观性。二十世纪7 0 年代初，以川端为首的日本专家提出织物风格的客观评价方法，他提出织物风格评价分为三个层次：织物的物理指标测定、基本风格h v 的评价和综合风格t h v 评价。将织物的物理指标代入与用途有关的转换方程式，计算出基本风格h v 值，再根据h v 值计算t h v 的值。这种方法评定的结果与专家手感评定结果比较基于模糊神经网络的面料缝纫平整度评价研究贫卜章绪论吻合，但由于织物风格受到不同民族、不同风土人情、习惯等限制，转换的计算公式并不完全适用于所有的国家，因此，这种评价方法在使用和推广方面具有局限性。随着人工智能技术的发展以及其在各个领域的广泛应用，这项先进技术在服装材料应用领域也得到深入研究。上世纪9 0 年代末期，c k p a r k 8 】提出了三维影像分析技术和人工智能技术相结合，对缝纫起皱程度进行定量分析，t a i b a r a 9 运用模式识别方法利用小波变换技术处理缝纫灰度图象，对缝纫性能进行预测。服装领域的专家们也多采用通过提取面料力学指标因子做为变量建立多元回归模型，通过这种多元回归方程式的模型计算得到面料缝纫外观等级的客观评价结果。近年来，也有学者尝试使用b p 神经网络建立预测模型，利用面料的f a s t 物理性能指标通过训练神经网络来达到对面料缝纫平整度性能的预测的效果1 1 0 。1 1 ，为服装面料外观客观评价提出了新方法。本文在借鉴前人研究的基础上运用核模糊聚类优化径向基神经网络在缝纫平整度预测方面的应用，首先使用f a s t 仪进行面料力学性能测试，借助多元统计的方法对2 5 个f a s t 力学指标进行降维处理，剔除指标中相关性高的部分数据；然后，利用模糊核聚类的方法计算输入样本的聚类中心和模糊分割矩阵，将得到的聚类中心和模糊分割矩阵作为径向基( r b f ) 神经网络基函数的中心和宽度调节值，对网络进行训练和学习，最后通过比对网络输出值和专家评定的面料平整度等级值，得到模型预测性能评价。1 3 本文主要工作本文主要完成的工作有以下几个方面：( 1 ) 使用f a s t 风格仪对选取的薄型丝织物和中厚型毛型织物进行力学性能指标测量。对面料各项力学指标如：结构力学指标、拉伸力学性能指标、弯曲性能指标、面料成形性指标和面料经向缝纫平整度、纬向缝纫平整度进行相关性分析；( 2 ) 利用主成分和核主成分分析法对面料的2 5 个f a s t 指标进行相关性分析后，提取有效的主成分和核主成分，从而达到简化数据结构的目的，为神经网络的训练提供有效数据，降低网络运算规模并提高运算速度。( 3 ) 采用模糊核聚类( k f c m ) 算法对样本进行聚类处理，k f c m 算法将输入第章绪论基于模糊神经网络的面料缝纫平整度评价研究空间样本映射到高维特征空间，并在特征空间进行聚类，它通过非线性的映射较好地分辨、提取并放大有用的特征，实现更为准确的聚类，算法收敛的速度快，适用于小样本分类应用。( 4 ) 介绍了径向基( r b f ) 神经网络，并根据k f c m 聚类算法得到的样本聚类中心和模糊分割矩阵对径向基神经网络隐层基函数的中心和宽度( 感受野) 进行调节，使网络的结构和性能得到控制与优化。( 5 ) 对传统的径向基网络和基于核模糊聚类的径向基神经网络的仿真实验结果进行分析，并给出结论。综上所述，本文以丝、毛两类常见服装生产面料为例，深入地开展对服装缝纫平整性能客观评价的研究，提出了基于核模糊聚类神经网络的预测评价系统。这一研究对服装生产企业利用各种面料完成生产加工任务具有一定实践意义和经济效益，在服装生产加工企业中具有较高的推广价值。1 4 本文研究的测试仪器长期以来，国内外学者从不同角度对织物外观风格进行了广泛的研究，但由于织物风格本身的抽象性和复杂性，如何对织物风格进行正确的测量和评价，这些都是织物风格研究者一直在解决的问题。二十世纪3 0 年代，提出用织物的物理机械特征来描述织物的风格，产生了斜面测定法、心形法和悬垂法等织物风格测试仪器。到5 0 年代，织物风格测试仪有了明显改进，主要体现在通过测试织物的弯曲、摩擦、压缩性能等多项物理机械性质来研究织物风格。7 0 年代初，日本的川端、松尾分别研制出测试包括拉伸、剪切、弯曲、摩擦等力学性能的多机台多项指标的织物风格仪。以川端法为基础研制的k e s f b 1 2 】系列风格仪可以测试出1 6 项力学指标，从而计算出织物的基本风格和综合风格，判断其风格特性。我国在8 0 年代初，也研制了单台多指标的风格测试仪，目前，织物风格测试仪有单台单指标、单台多指标和多台多指标的测试仪类型，代表型号有k e s f b 系列织物风格仪和f a s t 织物测试系统。二十世纪8 0 年代末，澳大利亚的p o s t l e 教授等从快速测量的角度出发，开发了f a s t 系统引。f a s t ( f a b r i ca s s u r a n c eb ys i m p l et e s t s ) 是包括测试和评价的一套简便4基于模糊神经网络的面料缝纫平整度评价研究第章绪论的织物测试系统，用于客观评价织物外观、手感和预测织物的可缝性、成型性等。该系统包括f a s t - 1 厚度压缩仪，f a s t - 2 弯曲仪，f a s t - 3 拉伸仪，f a s t - 4 尺寸稳定性测试仪。f a s t - 1 厚度压缩仪，用于测量织物厚度和表面厚度；f a s t 0 2 弯曲仪，利用电感测量装置测量织物弯曲( 悬垂) 长度，再借助弯曲刚性公式计算织物弯曲刚度；f a s t - 3 拉伸仪，利用杠杆原理测量织物在微幅荷重下的伸长量，包含在5 、2 0 及1 0 0 9 f c m 三种荷重下的伸长值( ) ；f a s t - 4 尺寸稳定性测试仪，包括测试织物松弛收缩( r e l a x a t i o ns h r i n k a g e ) 及吸湿伸长和吸湿膨涨( h y g r a le x p a r s i o n ) 等。f a s t o l 、f a s t 0 2 和f a s t - 3 风格测试仪可以自动记录实验结果，f a s t - 4 则由手工记录测试结果。全部结果可以自动地以控制图( 织物指纹图) 的形式打印出来或由手工绘制。根据织物指纹图可以估计织物是否适合最终用途，也可以将测试得到的织物物理力学指标通过计算机进行数据处理以预测织物可缝性能、成型性能等。f a s t 系统风格测试仪与k e s - f b 风格仪相比具有诸多不同，k e s - f b 系统从全面反映织物的特性出发，测试并采用了曲线表征织物在小应力、小变形条件下的拉伸、剪切、弯曲、压缩性能及变形回复过程。f a s t 系统有选择地测试织物在小应力、小变形田间的压缩、弯曲、拉伸、剪切等四项基本力学性能及尺寸的稳定性。k e s f b采用综合风格值t h v 评价织物，而f a s t 采用“织物指纹图 评价织物。k e s f b系统价格昂贵，约是f a s t 系统的4 至5 倍，而且需要专业人员通过长期训练才能才能熟练使用，其数据分析过程较为专业、困难和复杂。与k e s f b 相比，f a s t 系统具有客观、简便、有效又便宜的优点。本文在研究过程中采用的是f a s t 风格测试仪得到实验数据。1 5 本文组织结构本论文共分为六章，文章结构及各章主要内容如下t第一章为绪论，介绍了本课题的研究意义，本课题研究的现状及主要研究目标和所做的工作，介绍了课题在研究过程中使用的实验仪器设备。第二章介绍了面料力学性能测试仪器与测试样本，重点研究面料各项f a s t 力学指标与缝纫平整度之间的关系，并运用m a t l a b7 0 进行相关性分析。第三章简单阐述了主成分分析和核主成分分析的原理及实现算法，并运用多元统第章绪论基于模糊神经网络的面料缝纫平整度评价研究计分析理论中主成分分析方法和核主成分分析方法对面料的各项力学指标进行主成分提取。第四章介绍了模糊聚类理论知识，c 均值聚类算法和模糊c 均值聚类算法。在此基础上详细介绍了核模糊聚类( k f c m ) 原理与算法实现。并对面料f a s t 数据的p c a主成分和k p c a 主成分分别进行聚类，得到相应的聚类中心与模糊分割矩阵。第五章简要介绍了人工神经网络技术的发展以及一般径向基神经网络模型的结构和学习算法。在对面料样本进行聚类的基础上，结合经典高斯径向基r b f 网络算法提出了基于模糊分割矩阵的k f c m r b f n n 网络结构和相应的学习算法。用6 0 种面料试样训练神经网络，3 0 组面料试样检验网络预测精度，对实验数据进行分析得到网络对面料缝纫性能的预测精度达到9 0 以上。第六章为结束语，总结本文所做的贡献，并对今后的研究方向进行了展望。6基于模糊神经网络的面料缝纫平整度评价研究第二章面料力学性睛与缝纫啪哄系第二章面料力学性能与缝纫性能关系本章介绍了面料力学性能测试仪器与测试样本，重点研究面料各项力学指标与缝纫平整度之间的关系，通过m a t l a b 计算各指标相互间相关系数，并给出相关性分析结论2 1f a s t 面料力学物理性能测试仪器与样本织物的基本力学性能是反映织物结构的客观属性，也是反映织物风格和服用性能好坏的重要指标。在对服装面料缝纫外观的平整性能进行客观评价的研究工作中，我们首先利用f a s t 测试仪对面料的基本力学性能进行测试。2 1 1 测试仪器f a s t 仪器主要有四个部分组成【1 4 】：f a s t - 1 面料厚度测试仪，f a s t - 2 面料弯曲性能测试仪，f a s t - 3 面料拉伸性能测试仪，f a s t - 4 面料尺寸稳定性测试仪。这四个组成部分的主要功能及参数如下：f a s t - 1 面料厚度测试仪，测试厚度范围为0 , - 4 0 0 m m 。面料测试时受到的压力分别为o 1 9 6 k p a , 1 9 6 k p a 和9 8 i k p a ，试样测量面积为l o c m 2 ，测量精度为o 0 0 i m m ，尺寸为3 8 0 x 3 1 0 x 1 8 0t o n i 3 ，标准试样尺寸为1 5 0 x 5 0 m m 2 。f a s t - 2 面料弯曲性能测试仪，测试的最大弯曲长度为1 0 0 m m ，最大试样宽度为5 5 m m 。测量精度为o 5 m m ，仪器尺寸为3 9 0 x1 5 0 x1 3 0m m 3 ，标准试样尺寸为1 5 0 5 0 m m 2 。f a s t - 3 为面料拉伸性能测试仪，试验长度( 夹口距离) 为1 0 0 r a m ，拉伸力为4 9 n m ，1 9 6 n m ，9 8 1 n m ；试样的伸长范围0 2 0 。测量精度为o 1 ，尺寸为4 5 0 x1 8 02 6 0m m ，标准试样尺寸为15 0 5 0 m m 2 。f a s t - 4 尺寸稳定性试验，测量面料的尺寸稳定性。面料的尺寸稳定性是面料保持在成衣制造和穿着过程中稳定性的指标。使用f a s t 一4 测试时，将面料在1 0 5 度烘干1 1 5 小时到回潮率为0 ，测量其干态下的尺寸，然后将其浸入水中，测量其松弛尺第二章面料力学性能与缝纫性能关系基于模糊神经网络的面料缝纫平整度评价研究寸。然后再次在1 0 5 度下烘干1 5 - 2 小时烘干试样并测量其最终干燥尺寸。面料在经向和纬向的松弛收缩率和湿膨胀率都可以通过公式计算出来，f a s t 仪器可以测试的技术指标见表2 - 1 所示，所测量的面料的各项f a s t 指标处理数据见附录。表2 - 1 f a s t 织物力学物理性能指标体系表注：表中经向指标用指标符号一1 表示，纬向指标用符号一2 表示。2 1 2 实验样本与缝纫条件i 、实验样品本文选用了6 0 块常见的服装纺织面料做为实验样品。面料成分包括薄型丝和中厚毛两类织物材料，其中，丝和毛织物各取3 0 块。所测得的f a s t 力学性能指标标准化数据如附录所示。两类面料的基本规格参数如表2 2 所示。r基于模糊神经网络的面料缝纫平整度评价研究第二：肇面料办翱鞠鼎罄剜翁跃系表2 - 2 实验样品织物规格性能指标2 、实验缝纫条件、在对样品进行缝制时，根据实际缝纫过程的生产经验，采用相应条件对不同样品缝条进行缝制。将缝条加工成3 0 c m x 6 c m 的样品，按照上下同一丝屡方向进行对称式缝制。缝制工人采用普通工业平缝机进行加工，缝制条件如表2 - 3 所示。表2 - 3 样晶缝创条件缝制好的样品经过洗涤晾干后参照a a t c c 8 8 b ( a m e r i c a na s s o c i a t i o no ft e x t i l ec h e m i s t sa n dc o l o r i s t s m e t h o d8 8 b ) 标准【1 4 1 ，由三位专家对每块缝条评定等级，求其平均值。2 2 面料各项力学性能对缝纫性能的影响面料在低应力下韵各项力学性能指标与生产加工过程有十分紧密的关系，这是因为服装缝纫对小负荷区域的力学性能很敏感，小负荷区域蘧料的伸展、弯曲剪切等性能会引起服装在辅料、剪裁及缝纫加工过程中的质量闯题【1 5 舶1 。本节主要讨论服装面料各项力学- l m t i - 台月匕v , 指标与面料缝纫平整度等级之间的关系。分5 个方面讨论。第二章面料力判蝴e 蝴出彤皂系基于模糊神经网络的面料缝纫平整度评价研究2 2 1 结构性能对缝纫性能的影响面料结构力学性能【l7 j 主要是指组成面料的纱线细度、捻度、经纬向密度、组织结构等所形成的面料的厚度及重量所反映出来的面料厚重度方面的力学性能。在f a s t测试指标中由七个指标来衡量，它们分别是厚度t 2 、t 1 0 0 ，表观厚度s t ，松弛厚度t 2 r ，t 1 0 0 r ，松弛表观厚度s t r 和面料平方米克重w 。用m a t l a b 中的c o r r c o e f函数对以上指标进行相关性分析，以得到面料结构性能对缝纫平整度等级a a t c c 评价之间的相关性及影响程度。相关性结果分析如表2 4 所示。表2 4 面料结构性能对缝纫平整度相关性分析数据注：a a t c c - 1 表示经向缝纫平整度等级相关系数，a a t c c - 2 表示纬向缝纫平整度等级相关系数。由表2 - 4 可以看出，面料经纬向的缝纫平整度等级与七个力学结构指标都具有较高的相关性。其中缝纫平整度与面料在2 9 f 下的厚度t 2 、1 0 0 9 f 下的厚度t 1 0 0 、2 9 f 下面料松弛厚度t 2 r 、1 0 0 9 f 下面料松弛厚度t 1 0 0 r 、和面料的平方米重w 相关系数较高，与表面厚度s t 及松弛表面厚度s t r 相关系数稍低。同时，可以得到七个力学指标之间也具有较高的相关性。2 2 2 拉伸性能对缝纫性能的影响面料在被缝纫时，织物表面受低应力的牵引作用，会产生变形，其变形程度与织物拉伸性能相关【1 8 1 。f a s t 指标中的e 5 、e 2 0 、e 1 0 0 分别表示面料在5 c n c m 、2 0 c n c m 、和1 0 0c n c m 下测得的伸长百分率，e b 5 表示面料沿4 5 。斜向拉伸时的拉伸百分比。e 的大小将会影响到服装在制作过程中的缝制、辅料、剪裁的难易程度。面料拉伸性能与缝纫平整度等级评价之间的相关性及影响程度。相关性结果分析见表2 5 所示。l o基于模糊神经网络的面料缝纫平整度评价研究第二二章面料力等缎能与缝纫性能关系指标e 5 1e 5 2e 2 0 1e 2 0 2e 1 0 0 1e 1 0 0 2e b 5ga a t c c 1a a t c c 2注：a a t c c - 1 表示经向缝纫平整度等级相关系数，a a t c c - 2 表示纬向缝纫平整度等级相关系数由上表分析可知，面料经纬向的缝纫平整度等级与经纬向的拉伸伸长率e 5 、e 2 0和e 1 0 0 之间的相关系数较大，说明它们之间具有一定的相关性。从表2 5 中可知，面料的定负荷斜向伸长率e b 5 和剪切刚度g 两个指标的相关系数较低，说明它们与面料的缝纫平整度性能之间具有很低的相关性。同时可以看出，指标e 5 、e 2 0 ；e 1 0 0的经纬向指标相互之间也具有较高的相关性。2 2 3 弯曲性能对缝纫性能的影响织物的弯曲长度是表征材料抗弯曲变形的特性指标之一n 们，反映了织物的硬挺程度。在f a s t 一2 系统中，可以测量出织物的抗弯长度c 并计算出弯曲刚度值b 。通过对面料的径向和纬向的抗弯长度和弯曲刚度的相关性分析，得到弯曲性能各指标之间与面料缝纫性能的相关系数。实验数据如表2 - 6 所示。表2 6 面料弯曲力学指标与缝纫平整度相关性分析数据注：a a t c c i 表示经向缝纫平整度等级相关系数，a a t c c 2 表示纬向缝纫平整度等级相关系数。由表2 - 6 可以得到，面料经纬向的缝纫平整度等级与经纬向的弯曲刚度1 3 - i ，b - 21 1 第二章面料力学黼与缝驰能j 兼基于模糊神经网络的面科缝纫平整度评价研究之间相关系数不是很高，说明它们之间具有一定的相关性，但不是很高。经纬缝纫平整度等级与经纬向的剪切长度c 1 ，c 2 之间相关系数较低，说明它们之间不具有相关性。由于弯曲刚度是通过抗弯长度计算出来的，所以，它们之间具有较高的相关性。2 2 4 成形性能对缝纫性能的影响成形性测量面料承受在自身平面内压缩而不起皱的能力。在f a s t 系统中，表征面料成形性指标f 可以根据公式2 0 】( 2 1 ) 计算：f ：丑墨堡堡二墨鱼( 2 1 )1 4 7当面料的成形性小于0 2 5 r 衄 时，缝线就容易起皱，从而影响服装的外观质量【2 。面料成形性能与缝纫性能的相关性分析如表2 - 7 所示。表2 7 面料成型性能与缝纫平整度相关性分析结果数据注：a a t c c 1 表示经向缝纫平整度等级相关系数，a a t c c 2 表示纬向缝纫平整度等级相关系数。由以上数据可以分析得到，经纬向的缝纫平整度等级与成型性指标f 和织物面密度具有较大的相关系数，说明它们之间相关性较高。2 2 5 尺寸稳定性能对缝纫性能的影响服装尺寸稳定性包括弹性变形、塑性变形、折皱变形、缩水变形等，其中缩水变形最为严重，它将直接影响服装的外观和穿着者的情绪。缩水与织物结构以及纤维原料、纱线的性能、) j 口- r 条件等因素有关。利用f a s t - 4 可以测试面料经纬向吸湿膨胀和松弛收缩性能。用m a t l a b 计算出这两项指标与面料缝纫平整度的相关性，实验结果分析如表2 8 。表2 - 8 面料尺寸稳定性指标与缝纫平整度相关性分析数据指标r s - 1r s 2h e 一1h e 2a a t c c 1a a t c c 2r s 11 0 0 00 5 9 7o 0 6 20 1 0 6o 0 8 10 11 61 2基于模糊神经网络的面料缝纫平整度评价研究第二聋面料力学胜冉跬越纫性能，毛系r s 20 5 9 71 0 0 00 2 3 00 2 6 70 3 310 2 8 2h e 10 0 6 20 2 3 01 0 0 00 8 5 50 0 6 50 0 4 3h e 20 10 60 2 6 70 8 5 51 0 0 00 0 0l一0 0 5 7a a t c c 10 0 8 1o 3 310 0 6 50 0 0 11 0 0 00 6 9 3a a t c c 20 1160 2 8 20 0 4 3- 0 0 5 70 6 9 31 0 0 0注：a a t c c i 表示经向缝纫平整度等级相关系数，a a t c c 2 表示纬向缝纫平整度等级相关系数由上表数据分析可知，经纬向缝纫平整度等级与经纬向松弛收缩关系系数较大，说明它们之间具有一定的相关性；但缝纫平整度等级与吸湿膨胀关系系数较小，说明它们之间相关性很小。2 3 本章小结本章通过使用f a s t 仪对6 0 块薄型丝织物与中厚型毛型织物的力学性能进行测试，每块样品得到2 5 个不同指标数据。采用工业用平缝机在相应缝纫条件下对6 0块面料试样进行缝纫，参照美国纺织化学师与印染师协会标准a a t c c 8 8 b 的内容对面料缝纫平整度等级进行主观评价。通过对每块面料的力学指标与缝纫等级的相关性分析得到以下结论：面料的力学性能与面料的缝纫平整度等级具有较高的相关性。表征面料结构力学性能的指标t 2 ，t 1 0 0 ，s t ，t 2 r ，t 1 0 0 r ，s t r 及w 与面料缝纫平整度具有较高相关性，7 个指标相互之间也具有较高的关联性。表征面料拉伸伸长性能的指标e 5 、e 2 0 、e 1 0 0 与面料的缝纫外观平整度具有较高相关性。表征面料弯曲性能的指标弯曲刚度b 与面料缝纫平整度等级具有一定的相关性，但面料平整度等级与弯曲长度c 的相关性能不高。表征面料成型性的指标f 与面料的缝纫平整度等级具有较高的相关性。表征面料尺寸稳定性的松弛收缩指标r s 及吸湿膨胀指标h e 与缝纫平整度等级之间的相关性为：松弛收缩指标与平整度等级相关性较高，而吸湿膨胀指标与缝纫平整度等级相关性较低。第三章基于基于p c a 和k p ( 1 a 的i 臌面抖力学性能孵睁，砖黾取基于懒神经网络的面料鼢f 整发附阿院第三章基于p c a 和k p c a 的服装面料力学性能的特征提取由第二章的相关分析可知，一些与缝纫平整性能相关性较低的力学指标可以去除掉，如c - 1 、c - 2 、h e 一1 、h e - 2 等指标。剩下的2 1 个指标如果直接作为神经网络输入节点的个数，那么该神经网络要达到理想的运行效果，无论从训练的时间还是学习样本的个数要求都是比较高的，所以考虑到神经计算的效率，必须对这些指标进行大幅度的约减和降维。这就需要有一种简化数据的方法，使高维数据降维，来获得数据的主要信息，而且在低维空间将信息分解为互不相关的部分以获得更有意义的解释本章首先简单阐述了p c a 和k p c a 两种主成分分析法的原理，然后分别运用主成分分析和核主成分方法对面料f a s t 力学性能指标进行降维处理，最后给出实验结果和分析3 1 基于主成分分析的特征提取主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ) 是k a r h u n e n 于19 4 7 年提出的，l o e v e 于1 9 6 3 年对其进行了归纳总结，它是分析一个随机向量过程相关结构的十分有用的统计技术，广泛应用于高分辨谱估计、系统辨识、数据压缩、模式识别、数字通信、计算机视觉等领域。主成分分析( p c a ) 能够用来“压缩 输入的训练数据集合( 或缩减输入维数) ，按数据方差的评价确定数据的重要特征，并使各“压缩”后的数据变量彼此正交，相互独立。3 1 1 主成分分析的模型及原理主成分分析法【2 4 1 就是研究如何把多个相关指标变量综合成一个或少数几个综合指标，而这几个综合指标又能最大程度地反映原来变量信息的一种多元统计分析方基于模糊神经网络的面料缝纫平整度评价第三章基于基于p c a 和k p c l a 的服装面料力学脯勘勺牛鞠e 提取法。假设我们所讨论的实际问题中，有p 个指标，我们把这p 个指标看作p 个随机变量，记为x l ，x 2 ，x p ，主成分分析就是要把这p 个指标的问题，转变为讨论p个指标的线性组合的问题，而这些新的指标f l ，f 2 ，f k ( k p ) ，按照保留主要信息量的原则充分反映原指标的信息，并且相互独立。主成分分析通常的做法是，寻求原指标的线性组合e 。e = 嵋l x + 心l x 2 + + u p l x ，疋= 2 五+ 屹五+ + u p 2 一( 3 ，1 )c2 ，x l + 1 2 ，x 2 + + 距朋x豇是原始变量在各主成分中占的比重大小( 权值系数) ，其满足以下条件：甜：+ z f 三+ + “所2 = 1( 3 2 )各主成分相互独立，没有重叠信息，即c o y ( f , ，c ) = o ，i 上i ，= 1 , 2 ，p ；其中，按依次递减的顺序排列各主成分的方差，即：v a t ( f , ) v a r ( f 2 ) v a r ( f p )为了方便讨论，我们先在二维空间进行讨论。设有1 1 个样品，每个样品有两个观测变量x l 和x 2 ，如图3 1 所示。i义、夕、匕八7广图3 1二维空间样本点分布示意图第三章基于基于p c a 和k p c a 2 面私 力学陛能盼惭砖譬驭基删 悭网络的面牡隧纫平整度评仃阿院在由变量x l 和x 2 所确定的二维平面中，1 1 个样本点无论是沿着x 轴方向或y 轴方向都具有较大的离散性，其离散的程度可以分别用观测变量x l 的方差和x 2 的方差定量地表示。显然，如果只考虑x l 和x 2 中的任何一个，那么包含在原始数据中的经济信息将会有较大的损失。因此，我们考虑将坐标轴进行平移和旋转，得到一个由e轴和e 轴组成的新坐标空间，使得n 个