纺织论文模板范文

纺织论文模板范文纺织论文模板范文 毛精纺前纺工艺参数重要性的BP网络定量评价法刘贵1 于伟东1 2 1 东华大学纺织材料与技术实验室 上海xx20 武汉科技学院纺织与 材料学院 湖北武汉430073 摘要 小五黑体 在BP神经网络建模技 术的基础上 提出利用神经网络输入层与输出层之间的网络权值及其 分布来求各输入参数重要程度的方法 将采集到的毛精纺企业前纺工艺参数运用BP神经网络分别建立了粗 纱CV值和粗纱单重的预测模型 结果表明所建模型的平均相对误差都低于3 采用样本数据验证 其 预报值与实测值间的相关系数都高于0 95 对所建模型的网络权重进行提取 分别计算出13个输入参数对粗纱CV 值和粗纱单重的重要性 挖掘出显著而有效的参数 经对比认为 BP网络法比多元回归显著性分析 MRSA 更为精准 可 用于对实际生产加工的预报和控制 小五宋体 关键词 小五黑体 毛精纺 前纺工艺参数 模型 B P神经网络 定量评价法 小五宋体 小五黑体 TS131 9 小五 宋体 文献标志码 小五黑体 Quantitative evaluationmethod forthe significanceof worstedfore spinning parametersbased on BP neural work LIUGui1 YU Weidong1 2 五号 1 Textile MaterialsandTechnology LaboratoryDonghua University Shanghaixx20 China 2 Department ofTextiles andMaterials Wuhan Universityof Scienceand Engineering Wuhan Hubei430073 China Abstract Basedon BPneural workmodel technology a newapproach wasdeveloped andapplied toappraise theinput parameters significant degreethrough theweightiness andits distributionbetween theinput andoutput layer Usingthe fore spinningworking proceduredata gatheredfromtheworsted textilesenterprise the roving unevenness and weight predictionmodels wereestablished respectively The resultsindicated thatthe models mean relativeerrors areall lessthan3 the correlationcoefficientR2between theprediction valueand the actual areall morethan0 95 Using theweightiness extractedfromthe establishedmodels the13input parameters significance to the rovingunevenness andweight werecalculated respectively and theremarkable andeffective parametersare excavatedout Meanwhile contrastingtothemultivariate regressionsignificance analysis MRSA the BPneural workmethod ismore exactthan MRSAand canbe usedin theforecast andcontrol of theactualproduce andmanufacture 小五 Key wordsDouble glow Artificial neuralwork Prediction model 小五 黑体小五 xx 03 10修回日期xx 05 16 由部填写 基金项目 黑体小五 国家经贸委创新项目 02CJ 14 05 01 基金名称 基金编号 楷体小五 作者简介 黑体小五 刘贵 1983 男 博士生 主要研究方向为毛精纺加工过程建模及其职能决策预报与控制 于伟东 通讯作者 E mail wdyu dhu 第一作者姓名 出生年 性别 职称 学历 主要研究方向 通讯作者姓名 E mail 此处排正文 请选择A4纸型 上 下页边距为2 5cm 左 右页边距为2 0cm 1 0 倍行距 正文部分请双栏排版 正文五号宋体 单倍行距 对精毛纺织厂而言 前纺工序作为整个 加工过程的第一环节 其加工质量对后道工序将产生直接影响 根据实际生产经验 细纱的条干不匀率和细纱机的断头率相对于末道 粗纱的质量呈显著的线性关系 1 故控制前纺各工序的半制品不匀 率 特别是末道粗纱的不匀率是毛纺厂十分重要的质量监控措施 2 目前企业主要以经验为主 通过传统的测量和记录 肉眼观看与估计 设备的调整和人力的补充等原始的方法实现 不能对大量积累和不 断产生的数据进行系统 综合分析与客观决断 也无法确切地找出产 生问题的原因及实际解决方法 3 本文针对影响粗纱质量的毛条回潮率 毛条含油率 纤维平均直径 直径离散系数 纤维平均长度等13个指标参数 将采集到的企业实 际生产数据 运用BP网络建立预测模型 提出利用网络各层间的权重 及其分布 计算出各参数对产量质量指标的影响程度 并对比多元回 归分析 效果较好 1网络定量评价法 四号黑体 3倍行距 BP神经网络 Back Propagation 是指基于误差反向传播算法的多层前向人工神经网络 4 对于任何在闭区间的1个连续函数都可以用含有1个隐层的BP网络来 逼近 因而1个3层结构的BP网络可以完成任意N维到M维的映射 5 从其学习过程来输入参数对输出结果的影响完全由网络权值决定 因 此 知道网络各层间的权重及其分布 就可计算输入参数的确定度 输 入对输出影响作用的相对大小 即贡献率 依照误差反向传播方法 输入层节点对输出层节点的影响是由各层权 值的复合作用 由于输出反映的是其本身 它不需要再进行对后层节点影响大小的区 分 故可将其确定度看作是相同的 然后参照反向传播算法从输出层 向输入层反向求出各输入参数的确定度 2重要性评价过程2 1试验数据和参数 小四黑体 单倍行距 本文 以山东某精毛纺厂采集到的100组数据为建模依据 数据采集分2部分 一部分从实际生产工艺设计单中提取 主要是工艺 流程参数 设备加工参数 另一部分为测试数据 不同的生产线 任意选80组数据用于模型建立 其中70组用于模型训练 10组作为检 验数据 而未参与建模的20组数据则用于对模型的验证 影响前纺粗纱质量的参数有毛条回潮率 X1 毛条含油率 X2 纤 维平均直径 X3 直径离散系数 X4 纤维平均长度 X5 长度离 散系数 X6 短毛率 X7 毛条质量 X8 毛条质量不匀率 X9 毛条毛粒 X10 前纺总并合次数 X11 前纺总牵伸倍数 X12 和粗 纱捻系数 X13 6 运用BP网路建模分析时 以这些参数作为网络的输入层参数 输入节 点数为13 中间包含1个隐层 分别以R1和R2作为网络输出层建立多输 入单输出子网组 7 模式进行预报 隐层节点数的选取根据式 1 8 进行计算 20 430 122 540 770 350 51Smnnmn 1 式中m为输入层节点数 n为输出层节点数S为隐层节点数 本文取 隐层节点数为7 这样就可以建立2个13 7 1结构的BP神经网络模型 同时 为消除原变量的量纲不同 数值差异太大带来的影响 需要对 原变量作标准化处理 即 1 2 kiikiiiXXXkmS 2 式中11 nnikikXX 211 1 niikiikSXXn1 2 im 3 2 2模型的建立和训练根据模型结构 在Mtalab6 5的环境下建 立2个13 7 1型BP网络模型 利用式 2 对输入样本数据进行预处理 将标准化后的数据输入网络进行训练 训练参数 训练最大步数为50 精度目标值为1 0 10 3 学习率为0 01 9 其训练过程曲线见图1 由图可知 分别经过25和47步左右的训练 平均误差平方和便达到了 设定的目标值 10组检验样本的预报结果和实际结果的相对误差分别为2 28 和2 39 这说明所建立的模型具有很高的精度和准确性 2 3模型的验证根据上面训练好的BP神经网络 对20组验图1粗纱CV和 单重预报模型训练曲线 小五宋体 Fig 1Robing unevenness a and theroving weight b forecast model s trainingcurve 小五Rome 证样本数据进行预报检验 首先对这20组数据利用前面的标准化方法进行预处理 然后代入训练 好的模型中进行预报模拟 得到网络输出并对其做还原量纲的处理 就可得到粗纱质量指标的预测值 其实测值与预报值间的关系见图2 图中预报值与真实值之间的相关系数均高于0 95 说明模型是可靠和 准确的 2 4重要性计算和评价设前面的13 7 1型BP网络经LM算法训练一定的次数后收敛 令wij为输入层j和隐含 层i之间的连接权值 wi1为隐含层i和输出层之间的连接权值 具体步 骤如下 1 初始化输出节点确定度P 若输出节点数为O 则一般取为P 1 O 这 里输出节点数为1 因此输出节点确定度为1 2 反向求稳含层节点的确定度 即将输出层节点确定度经权值作用向 前传播 因为输出节点确定度为1 故隐含层节点的确定度为1 wi1 wi1 3 求输入层的确定度 对每个隐含层的节点i 每个输入层节点j 将权 值wij和wi1相乘 得到图2粗纱CV和单重预报值与实测值相关分析Fig 2Relevant analysisbetween thepredict andmeasured valueoftherovingunevenness a andweight b 1ijijiPww 4 将Pij当量化后得到1ijijNijjP 5 对于每一个输入层节点j 将Qij求和 得到输入层的确定度1Miiji SQ 6 可以得到各输入变量 因子 对输出变量的影响比例 即输入因子 的贡献率1100 ijNijSRIS 7 在模型可靠和准确的条件下 把训练好的BP网络模型的网络权重 取出来 运用上面提到的方法 分别计算得出各输入因子对粗纱CV 值和粗纱单重的贡献率 如下表1所示 对与粗纱CV值 R1 而言 长度离散系数 X6 粗纱捻系数 X13 纤 维平均直径 X3 为其影响作用最大的3个因素 贡献率分别为20 7 13 9 和10 3 对粗纱单重 R2 来说 对其影响最大的几个参数是长度离散系数 X6 毛条毛粒 X10 毛条回潮率 X1 贡献率分别为19 1 18 1 和17 5 表1各输入因子的贡献率Tab 1Each inputparameters contributionratio 粗纱质量毛条原料参数前纺工艺参数X1X2X3X4X 5X6X7X8X9X10X11X12X13R11 96 110 37 94 120 78 77 43 35 96 33 513 9R217 51 51 56 03 519 16 04 05 718 10 57 09 62 5多元 线性回归对比评价作为比较 运用多元线性回归法 MLR 分别建立上 述13个输入参数与R1和R2间的多元线性回归方程 由于这些原始数据的数量级相差很大 可能会造成回归系数很小 为 此需要对原始数据进行当量化处理 即把原始数据标准化到 01 区间 采用最小最大值的标准化 可以使数据在 01 区间上获得良好的分布 如式 8 min max min v iiviii 8 将标准化后的数据进行多元线性回归拟合 分别得到R1和R2的 回归方程 并经显著性检验 说明2个方程都有显著性 通过回归可以看出 对粗纱CV值 R1 影响因素由大到小依次为X13 X 6 X3 X5 X7 X8 X10 X9 X2 X4 X1 X12 X11 而对于粗纱单重 R2 来 说 依次为X6 X8 X1 X9 X11 X7 X2 X3 X10 X13 X4 X5 X12 显然重要性和次序是不同的 表明各自变量间有交互或相关性 3结论通过BP人工神经网络技术 直接利用生产历史数据 建立粗纱 CV值 粗纱单重预测模型 以实现对粗纱加工和质量的预报 所建 模型的平均相对误差都低于3 采用未参与建模训练的样本数据验证 其预报模型的预报结果与实 测结果间的相关关系R2都高于0 95 利用所建立的模型对粗纱工序各输入参数的重要性分析 将输入参 数重要性分成3个系列重要参数 较为重要参数和不重要参数 具体 结果如下1 对与粗纱CV值 R1 而言 重要参数为长度离散系数 X6 粗纱捻系数 X13 和纤维平均直径 X3 其贡献率分别为20 7 1 3 9 和10 3 较为重要的影响因子 5 10 依次为短毛率 X7 直径离散系数 X4 毛条重量 X8 前纺总并合次数 X11 毛条含油率 X2 毛条 毛粒 X10 不重要的参数 5 依次为纤维平均长度 X5 前纺总牵伸倍数 X12 毛条重量不匀率 X9 毛条回潮率 X1 2 对粗纱单重 R2 来说 重要参数为长度离散系数 X6 毛条毛粒 X10 和毛条回潮率 X1 其贡献率分别为19 1 18 1 和17 5 较为重要的影响因子 5 10 依次为粗纱捻系数 X13 前纺总牵伸 倍数 X12 直径离散系数 X4 短毛率 X7 毛条重量不匀率 X9 不重要的参数 5 依次为毛条重量 X8 纤维平均长度 X5 毛条 含油率 X2 纤维平均直径 X3 前纺总并合次数 X11 对比多元线性回归分析 对粗纱CV值来说 最重要的3个影响因子都 是长度离散系数 X6 粗纱捻系数 X13 和纤维平均直径 X3 对粗纱单重而言 采用BP网络权重法得出最重要的3个参数为长度离 散系数 X6 毛条毛粒 X10 和毛条回潮率 X1 而多元回归分析得出的是长度离散系数 X6 毛条重量 X8 和毛条 回潮率 X1 两者略有差异 可见两种参数重要性评价具有较好的 一致性 而且BP网络法可以量化 粗纱工序输入参数重要性定量评价法 通过运用历史数据的BP网络 建模技术 找出了各参数对其质量的重要程度 为合理调配粗纱工 艺 达到最优的粗纱质量提供了参考 参考文献 五号黑体 1 5倍行距 1 刘曾贤 精毛纺前纺各过程理论 不匀率指数的研讨 J 毛纺科技 1999 6 5 12 小五宋体 LIU Cengxian A studyon thetheoretical irregularityindex forthe preparatorypassages ofworsted spinning J Wool TextileJournal 1999 6 5 12 2 DONG Kuiyong YU Weidong A worstedyarn virtualproductionsystem basedonBPneuralwork J Journal ofDonghua University Eng Ed xx 21 4 34 37 小五Rome 3 于伟东 杨建国 纺织工业中的虚拟加工技术与 模式 J 纺织导报 xx 7 10 16 22 YU Weidong YANG Jianguo Virtual manufacturingtechnology andmodels fortextile industry J China TextileLeader xx 7 10 16 22 4 David ERumelhart Geoffrey EHinton Ronald JWilliams Learning representationsby back propagating errors J Nature 1986 323 533 536 5 Hecht Nielson R Theory ofthe back propagation neuralwork C IEEE International JointConference onNeural works Washington s n 1989 53 6 LV ZJ XIANG Q YIN XG et al Aknowledge reuse basedintelligent reasoningmodel forworsted processoptimization J Journal ofDonghua University Eng Ed xx 23 1 4 7 7 王秀坤 张晓峰 用一组单输出的子网络代替多输出的BP网络 J 计算机科学 xx 28 10 61 63 WANG Xiukun ZHANG Xiaofeng A newarchitecture ofneural worksarray replacingof amultiple outputsBP modelworks J Computer Science xx 28 10 61 63 8 高大启 有教师的线性基本函数前向三层神经网络结构研究 J 计算机学报 1998 21 1 80 86 GAO Daqi On structuresof supervisedlinear basisfunction feedforward three layered neuralworks J Computer Science 1998 21 1 80 86 9 吴辉 钱国坻 华兆哲 等 新型碱性果胶酶用于棉针织物精 练的工艺优化 J 纺织学报 xx 29 5 59 63 WU Hui QIAN Guodi HUA Zhaozhe et al Optimization of scouring of knitted cotton fabrics with a new type alkalinepectinase J Journal ofTextile Research xx 29 5 59 63 10 Wu CT McCullough RL Constitutive relationshipsfor heterogeneousmaterials C Holister GS Developments inComposite Materials London AppliedScience PublishersLtd 1997119 187 参考文献格式参考文献的数目应大于10篇 且尽量少引用图书 类 M类 文献 多引用近两年来在国内外连续出版物上刊登的论文文 献 若参考过本刊论文的请勿忘标注在参考文献中 参考文献执行中华人民共和国国家标准GB7714 xx 文后参考文献著录规则 只列主要的 未公开发表的资料勿 引用 著录格式采用顺序编码制 即日起 凡参考文献为中文类的 包括专著 期刊 报纸 论文集 专利 标准 电子文献等 要有一一对应的英文内容 即需将各著 录项目均翻译成英文 且必须按原发期刊英文形式标注 如原发刊 物不含英文题目 自行翻译时请注意其准确性 若参考文献为非中 文类的 如英文 则无需翻译 英文内容要另起一行标注 要求英文姓全部大写 示例 1 吴辉 钱国坻 华兆哲 等 新型碱性果胶酶用于棉针 织物精练的工艺优化 J 纺织学报 xx 29 5 59 63 WU Hui QI ANGuodi HUA Zhaozhe et al Optim izationofscouringofknittedcottonfabricswithanew type alkalinepectinase J Journal ofTextile Research xx 29 5 59 63 1 文后以 参考文献 左顶格 作为标识 参考文献表按文中 引用的先后顺序编码依次排列 顶格编排 编码用阿拉伯数字著录 加方括号 不用标点 后空一字 按著录要求规定依次著录 回 行时与首行著录项齐平 每条文献单独排 最后均以 结束 2 文中引用的参考文献必须在正文中有标注 如 2 3 5 不宜写成 3 4 5 等 3 题名 摘要 标题中不得标注参考文献 文末按引用顺序著录 作者一律采用姓前名后的方式著录 外文作者名应缩写 作者间用 间隔 作者少于3人应全部写出 3人以上只列出前3人 后加 等 或 et al 4 文献的作者 期刊名的缩写一律不加缩写点 缩写的单词要国际 通用的缩写方法 不可随意缩写 5 多次引用同一著者的同一文献时 在正文中标注首次引用的文献 序号 并在序号的 外著录引文页码 如 3 123 6 凡是从期刊中析出的文献 应在刊名之后注明其年份 卷 期 部分号 页码 如xx 27 8 25 28 如查不到卷数仅有期数 则写成xx 8 25 26 7 凡是从报纸中析出的文献 应在报纸名后著录其出版日期与版次 如2000 03 14 1 8 题名之后如有其他题名信息 包括副题名 多卷书的分卷 书名 卷次 册次等 则之间用 隔开 如东华大学学报自然科学版 世界出版业美国卷等 著录格式例举如下 例1专著 图书 学位论文 技术报告 多卷书等 序号 主要责任者 题名其他题名信息 文献类型标志 电子文献必备 其他文献任选 其他责任者 任选 版本项 出版地 出版者 出版年引文页码 引用日期 联机文献必备 其他电子文献任选 获取和访问路径 联机文献必备 1 姚穆 周锦芳 黄淑珍 等 纺织材料学 M 2版 北京 中国纺织出版社 1997147 2 李慧敏 面向电子化量身定制服 装eMTM三维人体测量数据库德研究与实现 D 上海东华大学 xx 3 Hinton E Owen DR Finite Element Programm ing M New YorkAcadem ikPress I nc 1977124 140 例2专著中的析出文献 论文集 汇编等 序号 析出文献主 要责任者 析出文献题名 文献类型标志 析出文献其他责任者 专 著主要责任者 专著题名其他题名信息 版本项 出版地 出版者 出版 年 析出文献的页码 引用日期 获取和访问路径 4 马克思 关于 工资 价格和利润 的报告礼记 M 马克思 恩格斯 马克思恩格 斯全集第44卷 北京人民出版社 1982505 5 胡伯陶 天然彩色棉的 状况和产业发展的研究 C 刘树梅 尹耐冬 李瑞萍 等 第九届 全国花式纱线及其织物技术进步研讨会论文集 北京 中国纺织信息 中心 xx 24 33 6 WU CT McCullough RL Constitutive relationshipsfor heterogeneousm aterials C Holister GS Developments inComposite Materials London AppliedScience Publi