BP神經(jīng)網(wǎng)絡(luò)在紡織服裝上的應(yīng)用

張國強(qiáng)，張?jiān)鰪?qiáng)，賀詠梅

（1.五邑大學(xué)，廣東 江門529020；2.天津工業(yè)大學(xué)，天津300387）

BP神經(jīng)網(wǎng)絡(luò)是人工網(wǎng)絡(luò)的重要模型之一，目前80%～90%的人工神經(jīng)網(wǎng)絡(luò)模型是采用BP網(wǎng)絡(luò)或它的變化形式。BP神經(jīng)網(wǎng)絡(luò)全稱是誤差向后傳播網(wǎng)絡(luò)（error back－Propagation），是一種應(yīng)用廣泛且理論上能夠逼近任意非線性函數(shù)的算法，它是一種典型的前饋多層神經(jīng)網(wǎng)絡(luò)，其模型的基本要素是：神經(jīng)元、輸入層、隱含層、輸出層、激活函數(shù)及權(quán)值和偏差。神經(jīng)元是構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的基本單元，輸入層、隱含層及輸出層構(gòu)成了網(wǎng)絡(luò)模型的基本輪廓。層與層之間全部互相連接，同層各神經(jīng)元之間相互不連接，相鄰層的神經(jīng)元通過權(quán)重連接，權(quán)重的調(diào)整采用反向傳播的學(xué)習(xí)算法［1］。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖見圖1。

BP神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)是在處理和解決問題時(shí)，不需要找出一個(gè)精確的數(shù)學(xué)模型，而是通過其強(qiáng)大的自學(xué)習(xí)能力和結(jié)構(gòu)的可變性，逐步適應(yīng)外部環(huán)境各因素的作用，不斷修改自身的結(jié)構(gòu)，而達(dá)到解決問題的目的［2］。用BP神經(jīng)網(wǎng)絡(luò)方法，只要樣本點(diǎn)和訓(xùn)練次數(shù)足夠多，網(wǎng)絡(luò)模型就能作出準(zhǔn)確預(yù)測(cè)。目前BP神經(jīng)網(wǎng)絡(luò)技術(shù)越來越多地被應(yīng)用到紡織服裝領(lǐng)域處理復(fù)雜的非線性問題，如利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)紗線的強(qiáng)度、織物疵點(diǎn)的鑒別、織物縫合性能的評(píng)價(jià)、織物熱阻的預(yù)測(cè)，織物染色性能預(yù)測(cè)和服裝結(jié)構(gòu)設(shè)計(jì)等。

1 BP神經(jīng)網(wǎng)絡(luò)的工作原理

圖1所示是包含多個(gè)隱含層的多層BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)。BP網(wǎng)絡(luò)不僅含有輸入節(jié)點(diǎn)（Xi）和輸出節(jié)點(diǎn)（Oi），而且含有一層或多層隱（層）節(jié)點(diǎn)，輸入信號(hào)先向前傳遞到隱節(jié)點(diǎn)，經(jīng)過作用后，再把隱節(jié)點(diǎn)的輸出信息傳遞到輸出節(jié)點(diǎn)，最后給出輸出結(jié)果。BP算法的學(xué)習(xí)過程由正向傳播和反向傳播組成。在正向傳播過程中，輸入信息從輸入層經(jīng)隱單元層逐層處理后，傳至輸出層。每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層得不到期望輸出，那么就轉(zhuǎn)為反向傳播，把誤差信號(hào)沿原連接路徑返回，并通過修改各層神經(jīng)元的權(quán)值，使誤差信號(hào)最?。?］。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

2 BP神經(jīng)網(wǎng)絡(luò)在紡織服裝上的應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)可以在只獲悉纖維、紗線或織物基本結(jié)構(gòu)參數(shù)及物理參數(shù)的前提下對(duì)織物的性能進(jìn)行預(yù)測(cè)，以達(dá)到控制質(zhì)量、預(yù)測(cè)質(zhì)量、優(yōu)化工藝的目的。BP神經(jīng)網(wǎng)絡(luò)為織物各項(xiàng)性能指標(biāo)的準(zhǔn)確快速預(yù)測(cè)提供一種極其可行的智能化工具。

2.1 BP神經(jīng)網(wǎng)絡(luò)在紡紗過程中的應(yīng)用

在紡紗過程中，BP神經(jīng)網(wǎng)絡(luò)的主要應(yīng)用是對(duì)紗線質(zhì)量的預(yù)測(cè)、控制及優(yōu)化工藝等。

姚志利，歐建文［4］采用BP神經(jīng)網(wǎng)絡(luò)建立洗毛工藝參數(shù)與洗毛質(zhì)量之間關(guān)系的模型，根據(jù)已有數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并用學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)對(duì)新工藝進(jìn)行判別，結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)模型輸出狀態(tài)與洗毛狀態(tài)非常接近，誤差低于3.4%，可以用于對(duì)洗毛新工藝的判別。

吳家碚［5］采用BP神經(jīng)網(wǎng)絡(luò)對(duì)紗疵的非線性數(shù)據(jù)分類情況進(jìn)行了實(shí)驗(yàn)與分析，對(duì)實(shí)驗(yàn)結(jié)論進(jìn)行驗(yàn)算，得出了神經(jīng)網(wǎng)絡(luò)在基本原理上是完全能夠?qū)崿F(xiàn)紗疵非線性分類的結(jié)論，為新一代電子清紗器的雛形奠定了基礎(chǔ)。李惠軍，朱磊［6］研究基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線毛羽預(yù)測(cè)問題。以棉纖維的7項(xiàng)品質(zhì)指標(biāo)作為輸入?yún)?shù)，以棉紗的毛羽指數(shù)H指標(biāo)作為輸出參數(shù)，通過使用36組數(shù)據(jù)分別進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，建立了棉纖維品質(zhì)指標(biāo)與紗線毛羽的非線性模型，結(jié)果表明：BP人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)速度和精度較好。

董奎勇，楊萍［7］利用BP神經(jīng)網(wǎng)絡(luò)及其算法，分別建立了兩類細(xì)紗條干不勻率CV值預(yù)報(bào)模型，并對(duì)預(yù)報(bào)結(jié)果分別作了對(duì)比分析，得出了兩類模型的最佳結(jié)構(gòu)。

聶瓊［8］研究了基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線強(qiáng)度CV值預(yù)測(cè)問題。以棉纖維的七項(xiàng)品質(zhì)指標(biāo)作為輸入?yún)?shù)，以紗線的強(qiáng)度CV值指標(biāo)作為輸出參數(shù)，通過使用28組數(shù)據(jù)分別進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，最終選定紗線強(qiáng)度CV值的模型結(jié)構(gòu)進(jìn)行預(yù)測(cè)，驗(yàn)證了BP人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度。

此外，談洪珞［9］通過對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練快速預(yù)測(cè)到紗線的強(qiáng)力，在生產(chǎn)實(shí)踐中用來檢驗(yàn)或設(shè)計(jì)紗線。郝海濤，謝春萍［10］結(jié)合BP神經(jīng)網(wǎng)絡(luò)以及AFIS系統(tǒng)的特點(diǎn)，建立了從原料到紗線強(qiáng)力的預(yù)測(cè)模型，分析了原料對(duì)紗線強(qiáng)力的影響，利用BP神經(jīng)網(wǎng)絡(luò)和AFIS建立完善的紗線質(zhì)量預(yù)測(cè)系統(tǒng)以及專家診斷系統(tǒng)對(duì)紗線質(zhì)量控制以及工藝調(diào)整做出了一定指導(dǎo)。

張美忠，吳磊［11］建立了輸入層有合股捻度、單紗捻度、單紗強(qiáng)度三個(gè)節(jié)點(diǎn)，兩個(gè)隱藏層，輸出層有股線強(qiáng)度，股線斷裂伸長(zhǎng)率兩個(gè)節(jié)點(diǎn)的三層BP神經(jīng)網(wǎng)絡(luò)模型。采用Levenberg－Marquardt優(yōu)化算法，用 Matlab 6.1進(jìn)行了仿真，對(duì)股線的拉伸力學(xué)性能進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果與實(shí)驗(yàn)結(jié)果吻合。

劉貴，于偉東［12］在BP神經(jīng)網(wǎng)絡(luò)建模技術(shù)的基礎(chǔ)上，提出利用神經(jīng)網(wǎng)絡(luò)輸入層與輸出層之間的網(wǎng)絡(luò)權(quán)值及其分布來求各輸入?yún)?shù)重要程度的方法。將采集到的毛精紡企業(yè)前紡工藝參數(shù)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)分別建立了粗紗CV值和粗紗單重的預(yù)測(cè)模型。認(rèn)為BP網(wǎng)絡(luò)法比多元回歸顯著性分析（MRSA）更為精準(zhǔn)，可用于對(duì)實(shí)際生產(chǎn)加工的預(yù)報(bào)和控制。

林森［13］利用BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的學(xué)習(xí)能力，對(duì)羊毛和粘膠的混紡紗線橫截面圖像進(jìn)行識(shí)別分析。通過對(duì)實(shí)例圖像進(jìn)行預(yù)處理，提取特征數(shù)據(jù)。應(yīng)用主成份分析法進(jìn)行數(shù)據(jù)降維并利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)及識(shí)別分類，取得了與實(shí)際相符的羊毛和粘膠兩種材質(zhì)的分離效果。

2.2 BP神經(jīng)網(wǎng)絡(luò)在織造工藝和織物性能研究上應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)在織造過程中的應(yīng)用主要有漿紗質(zhì)量的預(yù)測(cè)，織物疵點(diǎn)的鑒別，織物縫合及粘合后性能的評(píng)價(jià)，織物風(fēng)格、拉伸性、透通性及熱濕舒適性等物理性能的預(yù)測(cè)。

漿紗是織造生產(chǎn)過程中關(guān)鍵的一道工序，直接影響著織造質(zhì)量和生產(chǎn)效率。楊艷菲，崔世忠等［14］人采用BP神經(jīng)網(wǎng)絡(luò)建立漿液濃度、漿槽溫度、漿紗機(jī)速度、壓漿輥壓力三個(gè)工藝參數(shù)與上漿率之間的關(guān)系，進(jìn)而根據(jù)已確定的工藝參數(shù)對(duì)上漿率進(jìn)行預(yù)測(cè)，最后根據(jù)上漿率的大小調(diào)整工藝參數(shù)，從而保證準(zhǔn)確控制上漿率。張林龍［15］在分析研究影響漿紗質(zhì)量因素的復(fù)雜性及各因素與漿紗質(zhì)量之間關(guān)系的基礎(chǔ)上，運(yùn)用神經(jīng)網(wǎng)絡(luò)模型對(duì)漿紗質(zhì)量進(jìn)行預(yù)測(cè)，結(jié)果具有較好的準(zhǔn)確性，相對(duì)誤差可以控制在±2%，而且網(wǎng)絡(luò)運(yùn)行性能良好。

劉建立，左保齊［16］建立三層BP神經(jīng)網(wǎng)絡(luò)對(duì)織物疵點(diǎn)進(jìn)行識(shí)別，提出織物疵點(diǎn)識(shí)別網(wǎng)絡(luò)不適宜規(guī)則。將其應(yīng)用于隱含層神經(jīng)元個(gè)數(shù)選擇和訓(xùn)練方法篩選，以優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提高訓(xùn)練速度和網(wǎng)絡(luò)識(shí)別精度，設(shè)計(jì)出較優(yōu)的織物疵點(diǎn)識(shí)別網(wǎng)絡(luò)。將絲織物中常見的斷經(jīng)、斷緯、重緯、檔疵、破洞和油污六類疵點(diǎn)作為識(shí)別樣本，對(duì)不適宜網(wǎng)絡(luò)規(guī)則的設(shè)計(jì)網(wǎng)絡(luò)進(jìn)行測(cè)試。結(jié)果表明網(wǎng)絡(luò)識(shí)別正確率高，識(shí)別速度快。

織物風(fēng)格是人們憑觸覺、視覺等官能獲得的關(guān)于紡織織物品質(zhì)的評(píng)價(jià)?？椢镲L(fēng)格包括織物的觸感風(fēng)格（手感）和視覺風(fēng)格（觀感）。成玲，萬振凱等［17］人討論BP神經(jīng)網(wǎng)絡(luò)在織物風(fēng)格識(shí)別中的應(yīng)用，有效解決了織物風(fēng)格評(píng)定問題。曹建達(dá)，顧小軍等［18］人先以織物手感主觀評(píng)定測(cè)出結(jié)果，再將KES－FB測(cè)試系統(tǒng)測(cè)得的12塊棉及棉型織物的18個(gè)物理量用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了預(yù)測(cè)，表明以BP神經(jīng)網(wǎng)絡(luò)構(gòu)建織物手感主、客觀評(píng)價(jià)之間關(guān)系的預(yù)測(cè)模型是可行的。曹建達(dá)［19］采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立和訓(xùn)練反應(yīng)織物結(jié)構(gòu)參數(shù)與織物懸垂性能之間關(guān)系的三層神經(jīng)網(wǎng)絡(luò)模型，對(duì)比預(yù)測(cè)值和實(shí)驗(yàn)值，表明用神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)棉織物懸垂性能有相當(dāng)?shù)臏?zhǔn)確性。

織物的折皺回復(fù)性、拉伸性及剪切性能對(duì)織物的應(yīng)用有很大影響。裴華強(qiáng)，鄭德均［20］通過選取織物原料組成、經(jīng)緯密度、抗彎長(zhǎng)度、織物厚度及重量等重要影響因子作為神經(jīng)輸入元，將折皺回復(fù)角值作為輸出目標(biāo)，探討了將神經(jīng)網(wǎng)絡(luò)理論用于織物折皺回復(fù)性能的直接預(yù)測(cè)。梅興波，顧伯洪［21］采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立反映織物結(jié)構(gòu)參數(shù)、紗線參數(shù)與織物拉伸性能間關(guān)系的三層神經(jīng)網(wǎng)絡(luò)模型，根據(jù)影響織物拉伸性能的各種參變量，用動(dòng)量在學(xué)習(xí)率自適應(yīng)調(diào)整的算法訓(xùn)練模型。通過預(yù)測(cè)值和實(shí)驗(yàn)值的比較，表明用BP神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)織物拉伸性能有相當(dāng)?shù)臏?zhǔn)確性。徐廣標(biāo)，王府梅等［22］人在33種精紡毛型織物實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)建立了精紡毛型織物剪切性能與織物結(jié)構(gòu)參數(shù)之間的網(wǎng)絡(luò)模型，并對(duì)模型進(jìn)行驗(yàn)證和評(píng)估。

織物熱濕舒適性和透通性是表征織物舒適性的重要指標(biāo)。纖維性質(zhì)、紗線結(jié)構(gòu)和性質(zhì)，及織物的結(jié)構(gòu)與性質(zhì)，均會(huì)影響織物的熱濕傳遞及通透性能，它們之間存在著復(fù)雜的非線性關(guān)系。研究者們利用神經(jīng)網(wǎng)絡(luò)能夠逼近任意非線性函數(shù)的優(yōu)點(diǎn)對(duì)織物熱傳遞進(jìn)行了深入研究。楚艷艷，汪青等［23］人建立了由織物種類、面密度、厚度、透氣性和回潮率5個(gè)結(jié)構(gòu)參數(shù)作為輸入層神經(jīng)元，織物熱阻和濕阻作為輸出層神經(jīng)元的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。預(yù)測(cè)實(shí)驗(yàn)表明，熱阻和濕阻的平均估計(jì)誤差分別為0.38和0.18，為研究織物的熱阻和濕阻性能提供有效的預(yù)測(cè)方法。曹建達(dá)［24］采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立和訓(xùn)練反映織物結(jié)構(gòu)參數(shù)與織物透氣性能之間關(guān)系的三層神經(jīng)網(wǎng)絡(luò)模型，準(zhǔn)確預(yù)測(cè)了織物透氣性能。徐光標(biāo)，王府梅［25］也建立了織物透氣性能與織物結(jié)構(gòu)參數(shù)之間的神經(jīng)網(wǎng)絡(luò)模型，并重新采集7種織物對(duì)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證和評(píng)估，神經(jīng)網(wǎng)絡(luò)運(yùn)行良好。

2.3 BP神經(jīng)網(wǎng)絡(luò)在染整工藝上應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)在染整過程中的研究主要有計(jì)算機(jī)染色配色和預(yù)測(cè)織物K／S值。

李莉，張秉森［26］利用BP神經(jīng)網(wǎng)絡(luò)建立染料濃度與三刺激值的關(guān)系，對(duì)計(jì)算機(jī)染色進(jìn)行了初步研究。王巍娟等［27］人依據(jù)計(jì)算機(jī)配色理論，提出了一種基于隱層輸出反饋改進(jìn)的BP網(wǎng)絡(luò)訓(xùn)練算法應(yīng)用于織物染色配色的算法，并按照此算法進(jìn)行了織物染色的計(jì)算機(jī)配色實(shí)驗(yàn)。實(shí)驗(yàn)驗(yàn)證了人工神經(jīng)網(wǎng)絡(luò)算法在織物染色配色中應(yīng)用的可靠性。王匯鋒等［28］人通過CCD數(shù)碼相機(jī)代替?zhèn)鹘y(tǒng)的光譜光度計(jì)作為系統(tǒng)的成像攝入部分，采用BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)顏色進(jìn)行識(shí)別、分類，并實(shí)現(xiàn)了配色。

姜會(huì)鈺，楊鋒等［29］人將不同的活性染料染色工藝參數(shù)和對(duì)應(yīng)的染色織物K／S值輸入神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練，再輸入其它染色參數(shù)值，預(yù)測(cè)染色織物K／S值。結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果和試驗(yàn)值的相關(guān)系數(shù)達(dá)到了0.995。

2.4 BP神經(jīng)網(wǎng)絡(luò)在服裝中的應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)作為一種新的信息處理方法和處理非線性不確定性問題的強(qiáng)大工具在服裝上也有廣泛用途，如服裝樣板設(shè)計(jì)、服裝流行款式及流行色的預(yù)測(cè)、服裝加工性能控制等

吳俊，溫盛軍［30］將西裝成品規(guī)格尺寸作為輸入?yún)?shù)，細(xì)部規(guī)格尺寸作為輸出參數(shù)，逐點(diǎn)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，研究其非線性映射關(guān)系，建立西服樣板設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)模型。

狄宏靜，劉冬云等［31］人運(yùn)用BP神經(jīng)網(wǎng)絡(luò)任意函數(shù)模擬功能，在分析流行色周期變化的基礎(chǔ)上，建立4年為1個(gè)預(yù)測(cè)周期的滑動(dòng)窗模型，全面而連續(xù)地預(yù)測(cè)了流行色。

3 結(jié)論

BP神經(jīng)網(wǎng)絡(luò)具有并行處理的功能和良好的非線性映射逼近性能，廣泛地應(yīng)用到各個(gè)領(lǐng)域處理復(fù)雜的非線性問題。但人工神經(jīng)網(wǎng)絡(luò)在紡織服裝方面的應(yīng)用與在其他各領(lǐng)域的應(yīng)用相比還處于起步階段。許多方面的研究還有待于深化，如基于人工神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)自動(dòng)控制系統(tǒng)（紡紗、整經(jīng)等工序）的研究等。隨著人工神經(jīng)網(wǎng)絡(luò)軟件和硬件功能的不斷提高，BP神經(jīng)網(wǎng)絡(luò)技術(shù)將成為紡織領(lǐng)域強(qiáng)有力的工具。

［1］劉會(huì)燈，朱飛.MATLAB編程基礎(chǔ)與典型應(yīng)用［M］.北京：人民郵電出版社，2008.

［2］張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及應(yīng)用［M］.上海：復(fù)旦大學(xué)出版社，1993.

［3］Stephen J.Chapman，MATLAB Programming for Engineers（Second Edition）［M］.Australia：CL－Engineering，2008.

［4］姚志利，歐建文.BP神經(jīng)網(wǎng)絡(luò)在洗毛工藝中的應(yīng)用［J］.山東紡織科技，2009，（2）：39—41.

［5］吳家碚.電子清紗器神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方案［D］.四川：西南交通大學(xué)，2006.

［6］李惠軍，朱磊.基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線毛羽預(yù)測(cè)研究［J］.棉紡織技術(shù)，2011，39（1）：39—41.

［7］董奎勇，楊萍.預(yù)報(bào)細(xì)紗條干不勻率的BP神經(jīng)網(wǎng)絡(luò)方法［J］.北京紡織，2002，23（5）：56—59.

［8］聶瓊.基于BP人工神經(jīng)網(wǎng)絡(luò)的紗線強(qiáng)度CV值預(yù)測(cè)研究［J］.輕紡工業(yè)與技術(shù)，2011，40（5）：102—104.

［9］談洪珞.用神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)縷紗強(qiáng)力［J］.山東紡織科技，2004，（2）：51—53.

［10］郝海濤，謝春萍.利用AFIS與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)紗線強(qiáng)力［J］.上海紡織科技，2003，31（4）：61—63.

［11］張美忠，吳磊.基于BP神經(jīng)網(wǎng)絡(luò)的股線力學(xué)性能數(shù)值預(yù)報(bào)［J］.東華大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，30（3）：97—100.

［12］劉貴，于偉東.毛精紡前紡工藝參數(shù)重要性的BP網(wǎng)絡(luò)定量評(píng)價(jià)法［J］.紡織學(xué)報(bào)，2008，29（1）：34—37.

［13］林森.紗線橫截面圖像中的材質(zhì)識(shí)別［J］.南通紡織職業(yè)技術(shù)學(xué)院學(xué)報(bào)（綜合版），2011，11（2）：18—21.

［14］楊艷菲，崔世忠等.BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)上漿率［J］.紡織學(xué)報(bào)，2006，27（10）：57—59.

［15］張林龍.神經(jīng)網(wǎng)絡(luò)技術(shù)在漿紗質(zhì)量預(yù)測(cè)中的應(yīng)用研究［D］.江蘇：蘇州大學(xué)，2006.

［16］劉建立，左保齊.BP神經(jīng)網(wǎng)絡(luò)在織物疵點(diǎn)識(shí)別中的應(yīng)用［J］.紡織學(xué)報(bào)，2008，29（9）：43—46.

［17］成玲，萬振凱，等.基于神經(jīng)網(wǎng)絡(luò)的織物風(fēng)格識(shí)別系統(tǒng)探討［J］.紡織學(xué)報(bào)，2002，23（3）：69—70.

［18］曹建達(dá)，顧小軍，殷聯(lián)甫.用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)棉織物的手感［J］.紡織學(xué)報(bào)，2006，24（6）：35—37.

［19］曹建達(dá).BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)棉織物懸垂性能［J］.上海紡織科技，2003，31（4）：59—60.

［20］裴華強(qiáng)，鄭德均.基于神經(jīng)網(wǎng)絡(luò)的織物折皺回復(fù)性能預(yù)測(cè)［J］.紡織科技進(jìn)展，2008，（6）：56—59.

［21］梅興波，顧伯洪.BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)織物拉伸性能［J］.東華大學(xué)學(xué)報(bào)（自然科學(xué)版），2001，27（3）：64—67.

［22］徐廣標(biāo)，王府梅，等.基于神經(jīng)網(wǎng)絡(luò)的織物剪切性能的預(yù)測(cè)研究［J］.東華大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，30（3）：109—113.

［23］楚艷艷，汪青，等.BP人工神經(jīng)網(wǎng)絡(luò)在估計(jì)織物熱濕阻方面的應(yīng)用［J］.中原工學(xué)院學(xué)報(bào)，2006，17（4）：9—11.

［24］曹建達(dá).棉織物透氣性能的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究［J］.棉紡織技術(shù)，2003，31（11）：19—21.

［25］徐光標(biāo)，王府梅.基于BP神經(jīng)網(wǎng)絡(luò)的精紡毛織物透氣性能的預(yù)測(cè)［J］.毛紡科技，2008，（2）：54—56.

［26］李莉，張秉森.基于BP神經(jīng)網(wǎng)絡(luò)的織物染色計(jì)算機(jī)配色方法研究［J］.系統(tǒng)仿真技術(shù)，2006，2（4）：217—221.

［27］王巍娟，等.隱層改進(jìn)的BP網(wǎng)絡(luò)在織物染色配色中的應(yīng)用［J］.青島大學(xué)學(xué)報(bào)（工程技術(shù)版），2008，23（4）：40—44.

［28］王匯鋒，等.基于人工神經(jīng)網(wǎng)絡(luò)的顏色識(shí)別方法在毛紡測(cè)配色系統(tǒng)中的應(yīng)用［J］.毛紡科技，2006，（1）：14—16.

［29］姜會(huì)鈺，楊鋒，等.BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)活性染色織物K／S值［J］.印染，2007，（9）：23—24.

［30］吳俊、溫盛軍.BP神經(jīng)網(wǎng)絡(luò)在西服樣板設(shè)計(jì)中的應(yīng)用［J］.紡織學(xué)報(bào)，2008，29（9）：113—116.

［31］狄宏靜，劉冬云，等.基于BP神經(jīng)網(wǎng)絡(luò)的春夏女裝流行色預(yù)測(cè)［J］.紡織學(xué)報(bào)，2011，32（7）：111—116.