基于多层神经网络模型的丝织物触感风格评价

使用FTT织物风格触感测试仪对52组不同风格的织物样本进行了主观和客观风格评价，并采用多层神经网络模型(MLP)对丝织物的触感风格进行分类预测。结果表明，冷暖感、顺滑度和柔软度是影响丝织物风格预测的关键特征，接触舒适度则有次要影响。所建立的模型训练和测试的准确率分别为89.2%和100.0%，能够有效对丝织物风格进行分类预测。     

基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法

提出基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法,该方法把转子的2个截面信息分别以矢功率谱进行数据层融合,提取矢功率谱的特征输入到径向基概率神经网络分类器进行故障识别,最后把两截面诊断结果输入D-S证据理论融合中心进行决策层融合.实验结果表明,该方法可降低故障诊断的不确定性,并提高故障决策准确率.     

基于BP神经网络和D-S证据理论的粮情评价研究

针对D-S证据理论的基本可信度分配函数难以确定和单一BP神经网络输出的评价结果不稳定的特点,提出了一种BP神经网络和D-S证据理论相结合的信息融合处理与状态评估方法用于粮情评价。该方法是将多个BP神经网络的输出结果作为证据理论的基本可信度分配函数（BPAF）,然后依据证据组合规则进行融合,得出粮情的安全程度。本方法降低了单一BP网络输出结果的不稳定性,且提高了融合处理的可信度和精度,增强了系统的容错性。     

内衣面料触觉舒适性数字化分析与评价模型的建立

针对面料触觉舒适性的主观评价不稳定、标准不统一的问题,该文提出一种基于面料物理性能指标的面料触觉舒适性数字化评价模型。借助织物触感仪测试50款市售内衣面料的力学性能,得到反映织物弯曲、压缩、热传导、表面摩擦和粗糙性能的18项物理性能指标,并衍生出3项感官评价指标以及综合触感评分,以此为基础分析织物物理性能与触觉舒适性的关系,进而建立触感的数字化评价模型,并通过主观实验验证其有效性。研究结果表明,该数字化评价模型回归拟合优度高,主客观实验的评价结果与预测结果一致性高,模型预测效果好。     

Coolmax/棉双面效应针织面料热湿舒适性综合评价与预测

为研究Coolmax/棉双面效应针织面料的热湿舒适性能,并对其综合性能进行评价与预测,选取东华大学纺织学院新开发的10种Coolmax/棉双面效应针织面料,与市场上10种常用针织面料作比较分析,针对这20种针织面料进行常规客观实验和人体主观实验。基于实验数据结果,运用灰色聚类方法对面料的热湿舒适性能进行综合评价,结果证明Coolmax/棉双面效应织物相对于选用的10种市场上常用针织面料有较好的透气性能、导湿性能、蒸发快干性能。通过因子分析、多元线性回归分析建立了预测模型,即织物物理性能预测主观总体评价的线性模型方程,此模型方程预测效果良好,可对双面效应针织面料热湿舒适性能进行一定的预测。     

Coolmax/棉双面效应面料热湿舒适性综合评价与预测

为研究Coolmax/棉双面效应针织面料的热湿舒适性能,并对其综合性能进行评价与预测,选取东华大学纺织学院新开发的10种Coolmax/棉双面效应针织面料,与市场上10种常用针织面料作比较分析,针对这20种针织面料进行常规客观实验和人体主观实验。基于实验数据结果,运用灰色聚类方法对面料的热湿舒适性能进行综合评价,结果证明Coolmax/棉双面效应织物相对于选用的10种市场上常用针织面料有较好的透气性能、导湿性能、蒸发快干性能。通过因子分析、多元线性回归分析建立了预测模型,即织物物理性能预测主观总体评价的线性模型方程,此模型方程预测效果良好,可对双面效应针织面料热湿舒适性能进行一定的预测。     

基于BP神经网络的织物表面绒毛质量的检测方法

为了对起毛工艺后的织物表面绒毛状态进行客观评定,提出了基于BP神经网络的织物表面绒毛质量的检测方法。以光切成像原理采集绒毛轮廓图像,利用自适应图像分割方法对绒毛区域进行分割,将得到的二值图像应用Freeman链码原理提取织物的上边缘轮廓坐标,以此作为BP神经网络的输入对BP神经网络进行训练,并将训练得到的2组权值根据BP神经网络的计算过程进行验证,提出应用激活函数和训练的权值相结合直接计算的方法。应用基于光切成像原理搭建的绒毛织物检测平台,对4种不同颜色和不同起毛工艺加工后的织物进行检测,准确率为93.02%;且权值的计算结果与网络实际计算结果相符合,因此可以直接利用网络训练的权值做矩阵运算,缩短实际检测的时间。     

基于CHES-FY系统的织物触感风格等级评价

织物触感风格的客观评价对面料开发和检测具有重要作用,本文基于综合手感评估系统(CHES-FY)风格仪对织物不同方向的触感风格进行测试,运用K-means聚类统计分析方法,结合簇内误差法和轮廓系数法优取K值,对织物柔软度、硬挺度、滑爽度和松紧度风格指标进行等级划分;进一步利用贝叶斯判别法建立了判断织物基本风格等级的判别函数,得到织物基本风格等级评价模型。结果表明：基于优选K值结果,使用K-means聚类分析和贝叶斯判别分析判别织物基本风格等级的方法准确可靠,能够实现快速、客观的织物风格等级评价,为形成科学有效的织物风格等级评价系统提供了理论依据。     

RBF神经网络在织物风格评价中的应用

 采用先进的径向基函数神经网络(RBF)对织物风格进行评价,较之常用的BP神经网络,RBF的识别能力更强,训练时间也大大缩短,对解决织物风格评定问题具有一定的可靠度和精度,在织物风格评定中具有一定的应用价值。     

基于CHES-FY系统的羽绒服面料的触觉风格表征

介绍了CHES-FY型纺织材料手感风格测试仪的基本测试原理和评价指标,并采用该系统对羽绒服面料的柔软度、硬挺度、滑爽度和松紧度等基本风格进行测试。将羽绒服面料的基本风格测试结果与主观综合手感评价结果进行对比分析,建立了羽绒服面料的综合手感与柔软度、硬挺度、滑爽度和松紧度等基本风格的相关关系。测试结果表明:CHES-FY系统可以实现对羽绒服面料柔软度、硬挺度、滑爽度和松紧度的基本风格测试,织物的综合手感与柔软度和硬挺度具有较好的相关性。     

基于卷积神经网络的织物缝纫平整度客观评价

针对大多数评价织物缝纫平整度等级方法对实验条件均有较高的要求,且织物种类及环境等因素对实验结果均有较大影响的现状,提出利用卷积神经网络分析织物缝纫平整度等级的方法,以提高等级分类的准确率和效率。设计了一个基于残差卷积神经网络的织物缝纫平整度客观评价模型,该模型以1000个普通织物的缝纫图像作为训练样本输入,得到缝纫平整度的分类结果,所选织物包含10种常见服装面料品类(塔夫绸、塔斯隆、雪纺、顺纡绉、尼丝纺、麂皮绒、天丝斜纹、真丝缎面、平布、交织绸)。研究结果表明:经200个测试集样本的验证,该模型的评价准确率达96%,与智能化评价以及建立预测模型方法相比,利用卷积神经网络分析织物缝纫平整度等级的方法,具有较好的准确率,且具备获取样本图像流程简单、效率高的优势。     

基于BP神经网络的织物斜向弯曲性能的预测

 针对织物斜向弯曲刚度传统数学模型预测精度较低的实际情况，选择若干块织物沿纬向到经向每隔10°进行弯曲性能测试，应用基于梯度的降算法的BP神经网络对织物斜向弯曲刚度进行预测，并用误差平方和作为指标进行检验和比较。实验结果表明：该网络模型能够有效预测织物斜向任意角度的弯曲刚度；与传统的数学模型相比，该网络模型的精准度和泛化能力更高，可为织物斜向弯曲刚度的预测提供一种新的客观评价方法。     

基于BP神经网络的织物斜向弯曲性能的预测

针对织物斜向弯曲刚度传统数学模型预测精度较低的实际情况,选择若干块织物沿纬向到经向每隔100测试弯曲性能,应用基于梯度降算法的BP神经网络对织物斜向弯曲刚度进行预测,并用误差平方和作为指标进行检验和比较.结果表明:这种网络模型能够有效预测织物斜向任意角度的弯曲刚度;与传统的数学模型相比,该网络模型的精准度和泛化能力更高,可为织物斜向弯曲刚度的预测提供一种新的客观评价方法.     

基于改进AlexNet模型的抓毛织物质量检测方法

针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类。实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高。基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高。     

显汗状态下运动服面料动态热湿舒适性预测

文章为分析出汗过程对运动服面料热湿阻变化的影响,选取15种常见运动服面料作为研究对象,运用自行研制的动态出汗装置和SGHP-10.5服装热湿阻测试系统,测量织物从吸湿到干燥整个动态过程的热阻和湿阻。以织物的性能参数为影响因素,构建了线性回归模型和RBF神经网络模型,提出了热、湿阻变化率两个指标来分析织物的动态热湿传递性能。结果表明:线性回归模型数据预测误差较大,而RBF神经网络预测的热、湿阻变化率平均绝对百分误差分别为2.2968%和2.0862%,预测精度高。     

Modeling of thermal properties of multilayered fabrics by ANN consisting of polypropylene needle-punched nonwovens

This paper presents the prediction of thermal and evaporative resistances of multilayered fabrics meant for cold weather conditions using artificial neural network (ANN) model. Thermal and evaporative resistances of fabrics were evaluated using sweating guarded hot plate method. The significance and interdependency of thickness on other fabric and process parameters and its effect on prediction performance of ANN model is analyzed in detail. For this purpose, two different network architectures were used to predict the thermal properties of multilayered fabrics. In both the networks, three-layer structure consisting of input, hidden and output layers was used. First, network was constructed with four input parameters, namely linear density of fiber, mass per unit area, punch density, and thickness of nonwoven fabric which predicts thermal and evaporative resistances. Second network was made with three input parameters, namely linear density, mass per unit area, and punch density. The network parameters were optimized to give minimum mean square error (MSE), mean absolute error percentage, and good correlation coefficient. The trend analysis was conducted and influence of various input parameters on the thermal properties of multilayered fabrics was studied. The significance of each input parameter in the prediction of thermal properties was studied by carrying out sensitivity analysis. The mean square error of the test dataset before and after the exclusion of the corresponding input parameter is taken for analysis. The input parameters were ranked based on the MSE ratio of test dataset. The predicted thermal properties of multilayered fabrics are correlated well with the experimental values. It was observed that the ANN model with minimum input parameters, namely linear density of fiber, mass per unit area, and punch density can predict the thermal properties of multilayered fabrics with good accuracy.     

基于屈诱多形态力学测试的织物外观平整度表征

针对现有基于图像或视觉原理的织物外观平整度的测试方法易受到织物复杂花型和纹理的影响,存在织物品类适应性差等不足,提出基于后屈曲诱导的织物多形态构建和力学性能原位检测原理的织物外观平整度表征手段.选取30块织物试样进行多重形变下的原位力学测试,分别提取力-位移测试曲线的5个特征指标,利用SPSS软件对提取的织物特征指标及...     

丝织物风格的构成及灰色评定

本文在测试１０种丝织物９项基本力学量的基础上，用主因子分析法得出丝织物具有４种不同的基本风格，他们按照固有的权重系数，构成了丝织物的综合网络。并尝试用灰色关联度优先比方法评定丝织物的风格，可消除主观评定中的人为误差。     

机织物丝绺方向对裙装造型效果的影响

服装造型效果不仅决定于织物的性能,还受到织物丝绺方向的影响,为此选用不同的薄棉平纹织物进行同一版型不同丝绺方向的裙装造型效果试验,并进行主客观评价分析,探究同一织物不同丝绺方向以及同一丝绺方向不同织物的裙装造型效果差异。结果表明:在客观评价方面,同一织物的丝绺方向改变对裙装造型效果影响不显著,但主观评价方面影响显著;相同丝绺方向的不同织物其裙装造型效果在客观评价方面具有显著差异;在主观评价方面,纹样图案对裙装造型效果影响显著。