顯汗條件下針織面料主觀(guān)熱濕舒適性預(yù)測(cè)模型的建立

柯寶珠，叢 杉

(上海工程技術(shù)大學(xué) 服裝學(xué)院，上海 201620)

顯汗條件下針織面料主觀(guān)熱濕舒適性預(yù)測(cè)模型的建立

柯寶珠，叢 杉

(上海工程技術(shù)大學(xué) 服裝學(xué)院，上海 201620)

對(duì)36種針織面料的動(dòng)態(tài)熱濕舒適性客觀(guān)指標(biāo)進(jìn)行測(cè)試與分析，再將36種面料制作成服裝，通過(guò)人體穿著試驗(yàn)對(duì)針織面料的主觀(guān)熱濕舒適性感覺(jué)進(jìn)行評(píng)定。隨機(jī)選取其中28種面料建立了針織面料熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)與主觀(guān)評(píng)價(jià)指標(biāo)之間的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并通過(guò)該模型對(duì)另外8種針織面料進(jìn)行驗(yàn)證和評(píng)估，結(jié)果表明，該模型能較好地預(yù)測(cè)針織面料的主觀(guān)熱濕舒適性。

針織面料；BP神經(jīng)網(wǎng)絡(luò)；熱濕舒適性；預(yù)測(cè)

織物主觀(guān)熱濕舒適性評(píng)價(jià)法是通過(guò)人體穿著實(shí)驗(yàn)對(duì)織物的悶熱感、潮濕感和粘體感等熱濕舒適性指標(biāo)進(jìn)行評(píng)價(jià)的一種方法，是具有實(shí)際意義的手段和方法。但主觀(guān)評(píng)價(jià)法也存在許多無(wú)法克服的困難，比如試驗(yàn)條件難以控制、個(gè)體的差異等，在一定程度上影響了測(cè)試結(jié)果的準(zhǔn)確性和可靠性。相比較而言，客觀(guān)評(píng)價(jià)法不受上述因素的影響，試驗(yàn)結(jié)果穩(wěn)定，誤差較小，易于操作和控制，但缺點(diǎn)是測(cè)試指標(biāo)不能直觀(guān)地反應(yīng)人體的主觀(guān)穿著感覺(jué)。因而在客觀(guān)評(píng)價(jià)指標(biāo)與主觀(guān)評(píng)價(jià)指標(biāo)之間建立相關(guān)性模型是有必要的。這樣只需要對(duì)織物的客觀(guān)指標(biāo)進(jìn)行測(cè)試，就可利用相關(guān)性模型來(lái)預(yù)測(cè)其主觀(guān)穿著感覺(jué)值。

織物的熱濕舒適性客觀(guān)評(píng)價(jià)法主要有靜態(tài)法和動(dòng)態(tài)法。靜態(tài)法是對(duì)織物的單純熱傳遞或濕傳遞指標(biāo)如熱阻、透氣率、透濕率等進(jìn)行測(cè)試的一種方法。為了更好地模擬實(shí)際穿著情形，尤其是人體出汗時(shí)，應(yīng)采用熱濕同時(shí)測(cè)定的方法，也就是動(dòng)態(tài)熱濕傳遞測(cè)試法。本研究利用自行研制的微氣候測(cè)試圓筒儀作為織物的動(dòng)態(tài)熱濕舒適性測(cè)試儀器。

在對(duì)36種針織面料進(jìn)行客觀(guān)實(shí)驗(yàn)和主觀(guān)實(shí)驗(yàn)的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)，建立了以針織面料動(dòng)態(tài)熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)為輸入?yún)?shù)，以主觀(guān)熱濕舒適性評(píng)價(jià)指標(biāo)為輸出參數(shù)的預(yù)測(cè)模型。從而實(shí)現(xiàn)了快速對(duì)針織面料熱濕舒適性主觀(guān)感覺(jué)值進(jìn)行預(yù)測(cè)的目的。

1 實(shí) 驗(yàn)

為了探討人體在大運(yùn)動(dòng)量或高溫條件，也即顯汗情況下針織面料的熱濕傳遞性能，選取的實(shí)驗(yàn)面料均為適合于制作運(yùn)動(dòng)服或夏季休閑穿著的針織面料，除了一些功能性新型面料如Coolmax、Tactel外，還選取了常用的棉、滌綸、羊毛、真絲等面料共36種。

微氣候測(cè)試圓筒儀的工作原理、測(cè)試方法及各測(cè)試指標(biāo)表征的意義參考文獻(xiàn)[1-2]。選取以下5個(gè)客觀(guān)指標(biāo)來(lái)評(píng)價(jià)針織面料的動(dòng)態(tài)熱濕傳遞性能：KTs－出汗開(kāi)始時(shí)溫度下降的初始斜率(℃/10s)；Tequ－溫度平衡值(℃)；ΔT－平衡溫度與最低溫度的差值(℃)；KTe－出汗結(jié)束后溫度回升時(shí)的初始斜率(℃/10s)；RHequ－濕度平衡值(%)。其中KTs和KTe值越大，織物熱濕舒適性越好；Tequ、ΔT和RHequ值越小，織物熱濕舒適性越好。36種針織面料的5個(gè)動(dòng)態(tài)熱濕舒?zhèn)鬟f性客觀(guān)評(píng)價(jià)指標(biāo)的測(cè)試結(jié)果見(jiàn)表1。

將這36種針織面料做成相同款式服裝各1件，進(jìn)行主觀(guān)穿著試驗(yàn)[3-4]。實(shí)驗(yàn)環(huán)境溫度28 ℃，相對(duì)濕度65 %，氣流速度0.2 m/s。實(shí)驗(yàn)共選取10名女性受試者，受試者要求具備的特征：心理及生理健全，身高(162±3)cm，體重(52±3)kg，年齡18～23歲的大學(xué)生。設(shè)計(jì)主觀(guān)舒適性問(wèn)卷調(diào)查表，對(duì)針織面料主觀(guān)穿著感覺(jué)值如悶熱感、潮濕感、粘體感和運(yùn)動(dòng)后的冷感進(jìn)行評(píng)價(jià)。這4個(gè)主觀(guān)感覺(jué)值能較全面地反映人體從出汗到出汗結(jié)束后織物的熱濕舒適性能。對(duì)4個(gè)主觀(guān)感覺(jué)指標(biāo)用語(yǔ)意差別進(jìn)行描述，采用5級(jí)標(biāo)尺，最小值評(píng)分值為0，最大值評(píng)分值為4，感覺(jué)值越大，表明越不舒適。例如對(duì)悶熱感評(píng)分值為0，表明不冷不熱也不悶，感覺(jué)正舒適；評(píng)分值為1，表明局部皮膚感覺(jué)稍溫?zé)?，衣?nèi)有熱氣；評(píng)分值為2，表明大部分皮膚感覺(jué)較熱，身體局部出汗，衣內(nèi)熱氣較多；評(píng)分值為3，表明人體大量出汗，感覺(jué)悶熱，衣內(nèi)熱烘烘，有明顯不舒適感；評(píng)分值為4，表明人體大汗淋漓，感覺(jué)非常悶熱，煩躁頭暈胸悶。設(shè)計(jì)的調(diào)查問(wèn)卷如下(其他3個(gè)評(píng)價(jià)指標(biāo)類(lèi)似)：

2 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)是一種前饋式、反向傳播學(xué)習(xí)算法的人工神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的工作原理是將數(shù)據(jù)輸入網(wǎng)絡(luò)輸入層，輸入層單元接收輸入信號(hào)，經(jīng)傳遞函數(shù)向前傳播到隱層節(jié)點(diǎn)，計(jì)算權(quán)重，再把隱層節(jié)點(diǎn)輸出信號(hào)傳播到輸出節(jié)點(diǎn)，最后給出輸出結(jié)果[5]。

采用MatLab 6.5神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)編程，來(lái)實(shí)現(xiàn)對(duì)BP網(wǎng)絡(luò)模型的構(gòu)建、訓(xùn)練與仿真。

表1 36種針織面料的動(dòng)態(tài)熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)值和主觀(guān)評(píng)價(jià)指標(biāo)值Tab.1 The Dynamic Thermal-wet Comfort Objective Evaluation Indexes and Subjective Evaluation Indexes of 36 Kinds of Knitted Fabrics

構(gòu)建BP網(wǎng)絡(luò)模型的第一步是建立網(wǎng)絡(luò)對(duì)象并初始化，可用Matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)newff來(lái)建立一個(gè)可訓(xùn)練的單隱層BP網(wǎng)絡(luò)，其語(yǔ)法為：

這里，PR是一個(gè)Rx2的矩陣，以定義R個(gè)輸入向量的最小值和最大值；{TF1 TF2}是包含每層用到的轉(zhuǎn)移函數(shù)名稱(chēng)的細(xì)胞數(shù)組，取TF1為tansig，TF2為purelin；BTF是用到的訓(xùn)練函數(shù)的名稱(chēng)，主要采用trainbr函數(shù)；BLF為權(quán)值與閾值的學(xué)習(xí)函數(shù)，采用learngdm，其為帶動(dòng)量項(xiàng)的BP學(xué)習(xí)規(guī)則；PF為網(wǎng)絡(luò)運(yùn)行性能表征方式，采用最小誤差平方和函數(shù)mse。[S1 S2]是一個(gè)包含每層神經(jīng)元個(gè)數(shù)的數(shù)組，本文的BP網(wǎng)絡(luò)輸出節(jié)點(diǎn)為4個(gè)，因此，S2＝4，S1根據(jù)具體情況來(lái)取得，有經(jīng)驗(yàn)公式可以利用[6]：

式(1)中：m為輸入層節(jié)點(diǎn)數(shù)；n為輸出層節(jié)點(diǎn)數(shù)；S1為隱層節(jié)點(diǎn)數(shù)。

2.1 輸入和輸出結(jié)點(diǎn)的確定

織物的熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)有5個(gè)，KTs、Tequ、ΔT、KTe和RHequ，這5個(gè)指標(biāo)作為輸入層參數(shù)?？椢锏臒釢袷孢m性主觀(guān)評(píng)價(jià)指標(biāo)有4個(gè)，悶熱感、粘體感、潮濕感和運(yùn)動(dòng)后的冷感，這4個(gè)指標(biāo)作為輸出層參數(shù)。

2.2 網(wǎng)絡(luò)層數(shù)的確定

織物的客觀(guān)評(píng)價(jià)指標(biāo)和主觀(guān)評(píng)價(jià)指標(biāo)之間不是簡(jiǎn)單的線(xiàn)性關(guān)系，因此對(duì)織造建立模型就不能簡(jiǎn)單地用一層結(jié)構(gòu)，必須采用多層網(wǎng)絡(luò)。從理論上講三層BP神經(jīng)網(wǎng)絡(luò)可以逼近所有的函數(shù)。因此建立的模型都采用三層網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、輸出層和一個(gè)隱層。

2.3 隱層結(jié)點(diǎn)數(shù)的確定

隱層結(jié)點(diǎn)數(shù)目的多少對(duì)整個(gè)網(wǎng)絡(luò)的性能和預(yù)測(cè)結(jié)果有直接影響。隱層神經(jīng)元個(gè)數(shù)參考值可以根據(jù)上述的經(jīng)驗(yàn)式(1)計(jì)算。此外還有許多經(jīng)驗(yàn)公式，不過(guò)這些公式大都是依據(jù)具體試驗(yàn)環(huán)境而得來(lái)的，普遍性不是很好，所以應(yīng)結(jié)合本文的研究和經(jīng)驗(yàn)公式得到的參考值，進(jìn)行試驗(yàn)得出預(yù)測(cè)模型的最佳隱層結(jié)點(diǎn)數(shù)。

3 BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練

在36個(gè)樣本中隨機(jī)挑出4、9、17、21、24、27、31、35號(hào)8個(gè)樣本的測(cè)試數(shù)據(jù)作為網(wǎng)絡(luò)模型的預(yù)測(cè)檢驗(yàn)樣本，其余28個(gè)樣本的測(cè)試數(shù)據(jù)作為網(wǎng)絡(luò)模型的訓(xùn)練樣本，這樣隨機(jī)提取樣本的目的是為了提高預(yù)測(cè)精度。經(jīng)大量訓(xùn)練，所采用的最佳網(wǎng)絡(luò)參數(shù)見(jiàn)表2。

表2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的優(yōu)化參數(shù)Tab.2 The Optimized Parameters of BP Neural Network Prediction Model

圖1是Trainbr函數(shù)訓(xùn)練BP網(wǎng)絡(luò)的誤差變化曲線(xiàn)圖。SSE為網(wǎng)絡(luò)訓(xùn)練誤差平方和，SSW為網(wǎng)絡(luò)權(quán)值與閾值平方和，Parameters為有效的權(quán)值與閾值個(gè)數(shù)。本模型迭代至122步SSE和SSW就達(dá)到恒值，網(wǎng)絡(luò)收斂，此時(shí)網(wǎng)絡(luò)的有效權(quán)值和閾值的個(gè)數(shù)為43.269 5。

圖1 網(wǎng)絡(luò)訓(xùn)練過(guò)程曲線(xiàn)Fig.1 The Network Training Process Curve

4 BP神經(jīng)網(wǎng)絡(luò)模型的驗(yàn)證與分析

建立織物的熱舒適舒適性預(yù)測(cè)模型之后，其預(yù)測(cè)精度還需進(jìn)一步驗(yàn)證?，F(xiàn)對(duì)其中的4、9、17、21、24、27、31、35號(hào)樣本來(lái)做檢驗(yàn)。

根據(jù)上述網(wǎng)絡(luò)結(jié)構(gòu)建立了以動(dòng)態(tài)客觀(guān)指標(biāo)為輸入?yún)?shù)的織物主觀(guān)熱濕舒適性預(yù)測(cè)模型，并對(duì)8個(gè)預(yù)測(cè)檢驗(yàn)樣本作了預(yù)測(cè)，結(jié)果如表3所示。

表3 網(wǎng)絡(luò)模型預(yù)測(cè)檢驗(yàn)結(jié)果Tab.3 The Prediction Results of Network Model

從表3可知，網(wǎng)絡(luò)模型的預(yù)測(cè)值與實(shí)測(cè)值非常接近。悶熱感的實(shí)測(cè)值與預(yù)測(cè)值的絕對(duì)誤差最大值為0.302 9，平均絕對(duì)誤差為0.185 0；粘體感的實(shí)測(cè)值與預(yù)測(cè)值的絕對(duì)誤差最大值為0.451 2，平均絕對(duì)誤差為0.204 5；潮濕感的實(shí)測(cè)值與預(yù)測(cè)值的絕對(duì)誤差最大值為0.378 7，平均絕對(duì)誤差為0.160 4；運(yùn)動(dòng)后的冷感的實(shí)測(cè)值與預(yù)測(cè)值的絕對(duì)誤差最大值為0.234 6，平均絕對(duì)誤差為0.088 6。最大絕對(duì)誤差值及平均絕對(duì)誤差值均小于0.5，這樣的預(yù)測(cè)精度值是很高的。

本文采用絕對(duì)誤差，而非相對(duì)誤差來(lái)分析預(yù)測(cè)精度，主要是因?yàn)?個(gè)主觀(guān)感覺(jué)值均采用5級(jí)標(biāo)尺進(jìn)行評(píng)判，評(píng)分在0～4之間，每一級(jí)標(biāo)尺相差1分，也就是說(shuō)只要預(yù)測(cè)值與實(shí)測(cè)值的評(píng)分相差不到1分，即表示主觀(guān)穿著感覺(jué)非常接近，若采用相對(duì)誤差來(lái)分析預(yù)測(cè)精度，反而不能很好說(shuō)明問(wèn)題。

從對(duì)模型的預(yù)測(cè)值與實(shí)測(cè)值的對(duì)比分析結(jié)果可知，采用BP神經(jīng)網(wǎng)絡(luò)建立的以針織面料熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)為輸入?yún)?shù)，以針織面料熱濕舒適性主觀(guān)評(píng)價(jià)指標(biāo)為輸出參數(shù)的預(yù)測(cè)模型精度高，能較好地用來(lái)預(yù)測(cè)針織面料的主觀(guān)熱濕舒適感。

5 結(jié) 論

通過(guò)對(duì)36種針織運(yùn)動(dòng)面料的動(dòng)態(tài)熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)和主觀(guān)評(píng)價(jià)指標(biāo)的測(cè)試，隨機(jī)選取其中28種針織面料建立了以織物動(dòng)態(tài)熱濕舒適性客觀(guān)評(píng)價(jià)指標(biāo)為輸入?yún)?shù)，以織物主觀(guān)熱濕舒適性評(píng)價(jià)指標(biāo)為輸出參數(shù)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，通過(guò)該模型對(duì)另外8種針織面料進(jìn)行驗(yàn)證和評(píng)估，結(jié)果表明，該網(wǎng)絡(luò)模型能較好地用來(lái)預(yù)測(cè)針織面料的主觀(guān)熱濕舒適性。

[1]柯寶珠.新型織物微氣候測(cè)試圓筒儀的研制[J].絲綢，2008(8)：40-43．

[2]柯寶珠.U形滌綸面料的動(dòng)態(tài)熱濕傳遞性能[J].絲綢，2009(1)：39-41．

[3]尹繼亮，唐世君.服裝舒適性等級(jí)評(píng)價(jià)個(gè)體間差異的研究[J].中國(guó)紡織大學(xué)學(xué)報(bào)，2000，26(5)：102-104.

[4]李俊，張渭源.細(xì)旦丙綸針織物濕舒適性研究——主觀(guān)穿著試驗(yàn)測(cè)試研究及綜合分析[J].中國(guó)紡織大學(xué)學(xué)報(bào)，1996，22(6)：6-13.

[5]尹紅風(fēng)，戴汝為.人工神經(jīng)網(wǎng)絡(luò)信息處理原理[J].模式識(shí)別與人工智能，1990，3(1)：1-12.

[6]姚桂芬，郭建生，周永元，等.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論及在紡織研究中的應(yīng)用[J].現(xiàn)代紡織技術(shù)，2002，10(4)：55-57，60.

Prediction of Knitted Fabric Subjective Thermal-wet Comfort Properties Based on BP Neural Network

KE Bao-zhu, CONG Shan

(College of Fashion Technology, Shanghai University of Engineering Science, Shanghai 201620, China)

In this paper, the dynamic thermal-wet comfort objective evaluation indexes of 36 kinds of knitted fabrics were tested and analyzed. And then the 36 kinds of knitted fabrics were made into clothes of same style. The thermal-wet comfort subjective evaluation indexes of these clothes were assessed by wearing tests.28 kinds of the fabrics were selected to establish the prediction model between the objective and subjective evaluation indexes based on BP neural network. The other 8 kinds of fabrics were used to validate the accuracy of the model. The results showed that the model can effectively predict the subjective thermal-wet comfort properties of fabrics.

Knitted fabric; BP neural network; Thermal-wet comfort; Prediction

TS101.923

A

1001-7003(2010)09-0026-04

2010-05-16；

2010-05-31

上海市科委自然基金項(xiàng)目(10ZR1412800)

柯寶珠(1977－ )，女，講師，博士研究生，主要從事功能性服裝面料的開(kāi)發(fā)及服裝舒適性研究。