用BP神经网络对水刺非织造布刚柔性的研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇用BP神经网络对水刺非织造布刚柔性的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：用bp神经网络建立了水刺非织造布刚柔性能的预测模型，并对模型进行了验证。结果表明：BP神经网络对水刺非织造布刚柔性能的预测效果非常理想，相对误差的绝对值在10%以下，在此基础上进行了计算机模拟，分别得到了X-系列和Y-系列水刺非织造布中单个变量固定时另一个广告变量对刚柔性的影响，同时还可以得到最大刚柔性对的工艺条件。

关键词：BP神经网络 水刺非织造布 计算机模拟 最优工艺参数

1、BP神经网络简介

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出的一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。它能学习和存贮大量的线性和非线性的输入-输出映射模式，而无需事前知道描述这种映射关系的具体数学表达式。它的学习规则是使用梯度下降算法，通过误差反向传播来不断调整网络的权值和阈值，最终使网络的误差平方和最小。BP神经网络模型的拓扑结构包括输入层、隐层、和输出层，它的传递函数必须是可微的，常用的有Sigmoid型的对数函数、正切函数或线性函数。

2、BP神经网络建模

表1和表2前3列数据是X-系列的实验结果，分别作为训练样本和检验样本用于训练和检验BP神经网络预测模型。本实验中输入向量是2维向量，因此输入层为3个单元，输出向量是1维向量，因此输出层为1个单元，隐层单元数按经验公式[4-7]

，确定， 为隐层单元数， 为输入单元数， 为输出单元数， 为常数。

3 、实验结果分析及计算机模拟

从以上实验结果可以看出，无论是对于X-系列还是Y-系列，BP神经网络对于水刺非织造布刚柔性的预测效果都相当理想，相对误差的绝对值都小于10%，说明该网络非常适合该模型。由于神经网络不能得到应变量与自变量之间的直接函数关系，为了得到最优工艺参数和研究某个自变量对应变量的影响，本文最后进行了计算机模拟，模拟程如下：粘胶含量从0开始，按步长1依次增加到100（%），同时定量从40开始按步长0.1依次增加到80(g/m2），然后让粘胶含量与定量两两配对生成共40501组实验条件，输入上面练好的网络进行预测，从预测结果中分析自变量对应变量的影响和确定最优工艺参数。

从模拟结果可以看出，对于X-系列，当粘胶含量固定时，水刺布的抗弯强度随定量的增大而增强，而定量固定时，抗弯强度大致随粘胶含量的增加而递减；而对于Y-系列，抗弯强度与定量还有粘胶含量之间的关系就比较复杂，呈多峰状态。但无论是X-系列还是Y-系列，都能够通过计算机模拟找到抗弯强度最大的工艺条件，如对于X-系列，抗弯强度最大的工艺条件应该是粘胶含量在5（%）以下而定量在58(g/m2）附近，最大抗弯强度在（55 mgf・cm)以上；对于Y-系列，粘胶含量为0而定量在45(g/m2）附近，抗弯强度最大值在430（mgf・cm）以上

4、结论

(1) BP神经网络非常合适于水刺非织造布中工艺参数与性能的预测。

(2)用计算机模拟实验条件并预测对的性能，能找到单个工艺与抗弯强度之间的变化趋势，从而可以结合生产成本生产性价比最优的产品，同时通过计算机模拟还能找出最优工艺条件，对将来的实验和生产具有一定的指导意义。

参考文献：

[1]练军,陆忠,朱惠良.神经网络用于熔喷非织造布过滤性能的研究[J].产业用纺织品,2003(5):30-32,24

[2]刘亚,程博闻,周哲等.聚乳酸熔喷非织造布的研制[J].纺织学报,2007,(10):49-53

[3]倪红,潘永惠.基于BP神经网络的织物斜向弯曲性能的预测[J].纺织学报,2009(2):48-51

[4]朱喜林,吴博达,武星星等.BP网络在优化机械加工参数中的应用[J].计算机集成制造系统,2004(9):1139-1143

[5]项前杨建国程隆棣.基于支持向量机的纱线质量预测[J].纺织学报,2008,29(4):43-46

[6]曹海涛,张伟杰.基BP神经网络的管道中泥浆输运模拟研究[J].中国科技信息,2009(6): 279-281,283