基于BP神經(jīng)網(wǎng)絡(luò)的非織造材料基復(fù)合吸聲體吸聲系數(shù)預(yù)測(cè)

基于BP神經(jīng)網(wǎng)絡(luò)的非織造材料基復(fù)合吸聲體吸聲系數(shù)預(yù)測(cè)

王雙閃1相增輝1蘭桂柳1左洪運(yùn)1左保齊2，3

(1. 江蘇佰家麗新材料科技有限公司，蘇州，215141；

2. 蘇州大學(xué)現(xiàn)代絲綢國(guó)家工程實(shí)驗(yàn)室，蘇州，215123；

3. 蘇州大學(xué)紡織與服裝工程學(xué)院，蘇州，215021)

摘要：以滌綸針刺非織造材料和聚丙烯熔噴非織造材料為研究對(duì)象，通過(guò)實(shí)驗(yàn)獲得其物理結(jié)構(gòu)參數(shù)，并將復(fù)合前后非織造材料厚度、面密度、孔隙率和孔徑作為BP神經(jīng)網(wǎng)絡(luò)的輸入項(xiàng)，用于預(yù)測(cè)吸聲體的平均吸聲系數(shù)，同時(shí)通過(guò)調(diào)節(jié)輸入神經(jīng)元個(gè)數(shù)、傳遞函數(shù)和隱含層個(gè)數(shù)構(gòu)建了最佳的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。對(duì)非織造材料基復(fù)合吸聲體的吸聲性能進(jìn)行預(yù)測(cè)，并與測(cè)試結(jié)果進(jìn)行了對(duì)比。結(jié)果表明，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)可以建立較理想的適用于復(fù)合吸聲體平均吸聲系數(shù)預(yù)測(cè)的模型。

關(guān)鍵詞：非織造材料，復(fù)合吸聲體，Back Propagation 神經(jīng)網(wǎng)絡(luò)，吸聲系數(shù)

中圖分類(lèi)號(hào)：TS176+.5文獻(xiàn)標(biāo)志碼：A

收稿日期：2014-08-17

作者簡(jiǎn)介：王雙閃,女，1988年生，助理工程師。主要從事非織造材料的聲學(xué)性能研究。

噪聲不僅對(duì)人們正常生活和工作造成極大干擾，影響人們交談、思考，影響人的睡眠，使人產(chǎn)生煩躁、反應(yīng)遲鈍，工作效率降低，分散注意力，引起工作事故，更嚴(yán)重的情況是噪聲可使人的聽(tīng)力和身心健康受到損害[1]。據(jù)世界衛(wèi)生組織(WHO)的數(shù)據(jù)顯示：2011年噪聲性耳聾病例比2010年增加46.85%；2012年比2010年增加77.78%，比2011年增加21.06%[2]。

吸聲材料的發(fā)展越來(lái)越引起人們的重視，同時(shí)吸聲材料的應(yīng)用領(lǐng)域也得到了很大的拓展。在交通運(yùn)輸和室內(nèi)裝修等領(lǐng)域?qū)ξ暡牧咸岢隽诵碌男枨?，所以人們用特定的加工工藝生產(chǎn)特定的非織造產(chǎn)品用作吸聲材料來(lái)適應(yīng)多變的市場(chǎng)需求很有必要。非織造材料內(nèi)部有大量相互連通的孔洞，屬于典型的多孔材料，特別是針刺非織造材料具有多孔性和通透性，非常適宜用作吸聲材料。

當(dāng)聲波在材料內(nèi)部傳播時(shí)，各處的質(zhì)點(diǎn)振動(dòng)速度不同，存在速度差，使相鄰質(zhì)點(diǎn)間產(chǎn)生相互作用的黏滯力或摩擦力，阻礙質(zhì)點(diǎn)運(yùn)動(dòng)，從而使部分聲能轉(zhuǎn)化為熱能，就此達(dá)到減少噪聲的目的。

為對(duì)針刺非織造材料基復(fù)合吸聲體進(jìn)行吸聲性能預(yù)測(cè)，本文運(yùn)用Back Propagation(BP)神經(jīng)網(wǎng)絡(luò)，通過(guò)各結(jié)構(gòu)參數(shù)對(duì)材料吸聲性能的影響來(lái)調(diào)整輸入神經(jīng)元個(gè)數(shù)，同時(shí)調(diào)整傳遞函數(shù)和隱含層個(gè)數(shù)，得到最優(yōu)的BP神經(jīng)網(wǎng)絡(luò)吸聲系數(shù)預(yù)測(cè)模型，并比較了預(yù)測(cè)結(jié)果與測(cè)試結(jié)果的差異。

通信作者：左保齊，E-mail: bqzuo@suda.edu.cn

1實(shí)驗(yàn)部分

1.1　材料

聚丙烯熔噴非織造材料(海南產(chǎn))；

聚酰胺(PA)絲網(wǎng)狀熱熔膠(上海產(chǎn))，面密度35 g/m2，熔點(diǎn)105～120℃；

滌綸針刺非織造材料(江蘇佰家麗新材料科技有限公司提供)。

1.2　儀器

YG141N數(shù)字式型織物厚度儀(0.01～10 mm)，南通宏大公司；

CFP-1100-AEX毛細(xì)管流動(dòng)空隙測(cè)量?jī)x(0.09～500 μm)，美國(guó)施多威爾公司；

SW463阻抗管，北京聲望聲電技術(shù)有限公司；

日本日立S-4800掃描電鏡，直尺，賽多利斯天平(0.000 1 g)。

1.3　復(fù)合材料的制備

本文以同一工藝生產(chǎn)的不同厚度的五種滌綸針刺非織造材料為基礎(chǔ)，分別記為Z1～Z5，通過(guò)復(fù)合不同工藝生產(chǎn)的超細(xì)聚丙烯熔噴非織造材料得到不同的復(fù)合吸聲體。其中，生產(chǎn)超細(xì)聚丙烯熔噴非織造材料的原料是在聚丙烯切片中加入了三種不同配方的母粒，分別記為R1～R3。使用每種母粒配方料生產(chǎn)的不同結(jié)構(gòu)參數(shù)的超細(xì)聚丙烯熔噴非織造材料分別記為Rij。例如，R12表示使用第一種母粒配方生產(chǎn)的2號(hào)產(chǎn)品,R32表示使用第三種母粒配方生產(chǎn)的2號(hào)產(chǎn)品。

經(jīng)過(guò)多次試驗(yàn)，確定復(fù)合材料的制備方法如下：

將材料剪成30 cm×50 cm大小，在不同材料之間夾入熱熔纖網(wǎng)；將一塊玻璃板放入熱風(fēng)干燥烘箱底部并開(kāi)啟烘箱，預(yù)設(shè)溫度115 ℃；當(dāng)烘箱內(nèi)的溫度達(dá)到預(yù)設(shè)溫度時(shí)，平行放入準(zhǔn)備好的材料，熱熔纖網(wǎng)融化后將滌綸針刺非織造材料和聚丙烯熔噴非織造材料黏結(jié)在一起，2 min后將玻璃板和材料一同取出，自然降至常溫，即可得到復(fù)合吸聲體。

1.4　材料物理參數(shù)測(cè)試

1.4.1測(cè)試方法

1.4.1.1厚度

針刺非織造材料和熔噴非織造材料的厚度均采用YG 141N型織物厚度儀，依據(jù)國(guó)家標(biāo)準(zhǔn)GB/T 3820—1997《紡織品和紡織制品厚度的測(cè)定》進(jìn)行測(cè)試。壓腳面積2 000 mm2，加壓200 cN。同種樣品取三塊試樣，每塊試樣測(cè)試10次(正、反面各測(cè)試5次)，30次測(cè)試數(shù)據(jù)的平均值即為該樣品的厚度數(shù)據(jù)。

1.4.1.2面密度

取樣方法參見(jiàn)標(biāo)準(zhǔn)GB/T 13760—1992《土工布的取樣和試樣準(zhǔn)備》，依據(jù)FZ/T 6003—1991《非織造布面密度測(cè)定》進(jìn)行面密度測(cè)定。用圓形取樣器進(jìn)行切割取樣，獲得圓形試樣。取樣卷數(shù)由有關(guān)雙方商定。除實(shí)驗(yàn)有關(guān)要求外，所選卷裝織物應(yīng)無(wú)破損、呈原封不動(dòng)狀。在切割取樣過(guò)程中應(yīng)注意在同一樣品中截取，卷裝的頭兩層不應(yīng)取樣；應(yīng)盡量避免在有污漬、不規(guī)則塊、折痕、孔洞或其他損傷的部分取樣。在取樣前，需先對(duì)材料進(jìn)行24 h調(diào)濕，然后再進(jìn)行取樣和測(cè)試。

用賽多利斯天平稱(chēng)重，測(cè)得試樣質(zhì)量，計(jì)算每塊試樣的單位面積質(zhì)量，即為材料的面密度。

1.4.1.3孔徑

本實(shí)驗(yàn)采用CFP-1100-AEX毛細(xì)管流動(dòng)空隙測(cè)量?jī)x對(duì)材料的孔徑進(jìn)行測(cè)試。測(cè)試儀的工作原理是：將樣品用潤(rùn)濕液浸潤(rùn)至飽和，再將樣品放入測(cè)量?jī)x內(nèi)，通過(guò)計(jì)算機(jī)控制氣流的大小，氣體穿過(guò)樣品，直到克服最大孔徑對(duì)應(yīng)的氣壓，此點(diǎn)即為泡點(diǎn)壓力；此后，壓力會(huì)繼續(xù)以小的增量增加，直至排出的氣體產(chǎn)生流動(dòng)且流動(dòng)液體被排空，干樣品繼續(xù)產(chǎn)生流速對(duì)壓力的數(shù)據(jù)。據(jù)此即可計(jì)算得出干、濕態(tài)下樣品的最大孔徑、最小孔徑以及平均孔徑。

計(jì)算公式[3]如下：

(1)

式中：d——孔徑(m)；

γ——液體表面張力(N/cm)；

θ——接觸角(°)；

p——?dú)鈮簤毫Σ?kPa)。

1.4.1.4孔隙率

非織造材料的孔隙率是指材料的孔隙體積與總體積的比值，通過(guò)計(jì)算求得。計(jì)算公式[3]如下：

(2)

式中：n——孔隙率(%)；

ρ——纖維密度(g/m3)；

m——材料面密度(g/m2)；

δ——材料厚度(m)。

非織造材料的孔隙率因所受壓力的不同而不同。在不承壓的情況下，孔隙率一般在90%以上，承壓后孔隙率明顯降低。本實(shí)驗(yàn)中材料的厚度、面密度都是在不承壓的情況下測(cè)得的，因此所得的材料孔隙率也是不承壓狀態(tài)。

1.4.2測(cè)試結(jié)果

復(fù)合吸聲體材料結(jié)構(gòu)參數(shù)的測(cè)試結(jié)果見(jiàn)表1。

1.5　材料吸聲系數(shù)測(cè)試

1.5.1測(cè)試方法

本實(shí)驗(yàn)運(yùn)用駐波管法，采用SW463阻抗管對(duì)材料進(jìn)行測(cè)試。設(shè)定溫度為25 ℃，相對(duì)濕度為75%，在該條件下的大氣壓力為101 325.0 Pa，大氣密度為1.2 kg/m3，聲速346.116 m/s。依據(jù)ISO 10534-2:1998《聲學(xué) 阻抗管中吸聲系數(shù)和比阻抗率的測(cè)量 第2部分:傳遞函數(shù)法》進(jìn)行測(cè)試，測(cè)量采用傳遞函數(shù)法。

表1　復(fù)合吸聲體的結(jié)構(gòu)參數(shù)

1.5.2測(cè)試結(jié)果

由于溫度、濕度等環(huán)境條件對(duì)于纖維材料的聲學(xué)性能可能造成一定的影響，因此所有實(shí)驗(yàn)均在恒溫恒濕實(shí)驗(yàn)室進(jìn)行。測(cè)試結(jié)果見(jiàn)表2。

2BP神經(jīng)網(wǎng)絡(luò)構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建需要大量的數(shù)據(jù)，同時(shí)為了能構(gòu)建最優(yōu)的網(wǎng)絡(luò)模型需要多次調(diào)整神經(jīng)元的輸入個(gè)數(shù)、隱含層神經(jīng)元個(gè)數(shù)、激活函數(shù)等參數(shù)。本文共采用100組數(shù)據(jù)，其中前80組數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)的構(gòu)建，后20組數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)的驗(yàn)證。

表2　復(fù)合吸聲體的平均吸聲系數(shù)

每層超細(xì)聚丙烯熔噴非織造材料和滌綸針刺非織造材料均有厚度、面密度、孔隙率和平均孔徑4個(gè)參數(shù)，復(fù)合材料為三層結(jié)構(gòu)，因此本文以12個(gè)結(jié)構(gòu)參數(shù)指標(biāo)作為網(wǎng)絡(luò)輸入。設(shè)置網(wǎng)絡(luò)最大訓(xùn)練次數(shù)為100，訓(xùn)練要求精度為0.000 01，即均方誤差小于0.000 01為網(wǎng)絡(luò)收斂條件。本文按一定步長(zhǎng)選取數(shù)值對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與預(yù)測(cè)輸出，復(fù)合吸聲體所用BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)選擇為4、14和24。由于輸出層是一層，因此選擇purelin函數(shù)作為輸出層的激活函數(shù)[4]。

選用matlab4.8版本進(jìn)行軟件編程和數(shù)據(jù)模擬。先將超細(xì)聚丙烯熔噴非織造材料和滌綸針刺非織造材料的厚度、面密度、孔隙率、平均孔徑和材料的吸聲系數(shù)放置在EXCEL表中，并在matlbe軟件中引用該表格數(shù)據(jù)，然后進(jìn)行編程預(yù)測(cè)。通過(guò)改變引用數(shù)據(jù)可以對(duì)不同的實(shí)驗(yàn)結(jié)果進(jìn)行預(yù)測(cè)和驗(yàn)證。程序中的Tamura hsv=shuangceng4(:,1:4)為引用數(shù)據(jù)， emotions=shuangceng4(:,5)為實(shí)驗(yàn)數(shù)據(jù)。只需要調(diào)整程序中的引用數(shù)據(jù)范圍，即可對(duì)不同的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行模擬和預(yù)測(cè)。

具體的程序編程如下：

load shuangceng4

N=size(shuangceng4,1);

P=0.2;

Q=1-P;

[training_index,test_index] = crossvalind(‘Resubstitution’,N,[P,Q]);

[a,b]=find(training_index==0);

if N～=sum(training_index+test_index)

training_index(a(1))=1;

end

Tamura_hsv=shuangceng4(:,1:4);

emotions=shuangceng4(:,5);

features_training = Tamura_hsv(training_index,:);

features_test = Tamura_hsv(test_index,:);

targets_training_1 = emotions(training_index,1);

targets_test_1 = emotions(test_index,1);

[features_training_n,features_training_ps]=mapminmax(features_training’);

[targets_training_1_n,targets_training_1_ps]=mapminmax(targets_training_1’);

features_training=features_training_n;

targets_training_1=targets_training_1_n;

net=newff(features_training,targets_training_1,12,{‘tansig’,‘purelin’});%

net.trainparam.epochs=200;

net.trainparam.lr=0.1;

net.trainparam.goal=0.000001;

net=train(net,features_training,targets_training_1);

features_test_n = mapminmax(‘a(chǎn)pply’,features_test’,features_training_ps);

an=sim(net,features_test_n);

targets_prediction_1=mapminmax(‘reverse’,an,targets_training_1_ps);

error=abs(targets_prediction_1-targets_test_1’);

error_mean=mean(error);

disp(error_mean)

figure(1)

plot(targets_prediction_1,‘:ko’)

hold on

plot(targets_test_1,‘-*’)

legend(‘預(yù)測(cè)值’,‘實(shí)測(cè)值’)

ylabel(‘平均吸聲系數(shù)’)

xlabel(‘測(cè)試樣本’)

figure(2)

plot(error,‘-*’)

ylabel(‘預(yù)測(cè)誤差’)

xlabel(‘測(cè)試樣本’)

3實(shí)驗(yàn)結(jié)果與分析

用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)復(fù)合吸聲體平均吸聲系數(shù)輸出。通過(guò)比較測(cè)試結(jié)果與預(yù)測(cè)結(jié)果的關(guān)系，得出最佳的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。圖1為復(fù)合吸聲體吸聲系數(shù)的測(cè)試結(jié)果與預(yù)測(cè)結(jié)果的比較，圖2為與圖1對(duì)應(yīng)的復(fù)合吸聲的預(yù)測(cè)誤差。該預(yù)測(cè)模型對(duì)應(yīng)輸入神經(jīng)元個(gè)數(shù)是6，隱含層是13，激活函數(shù)是logsig。

圖1　復(fù)合吸聲體吸聲系數(shù)的測(cè)試結(jié)果 與預(yù)測(cè)結(jié)果

圖2　預(yù)測(cè)誤差

從圖1和圖2可以看出，對(duì)于復(fù)合材料，當(dāng)輸入神經(jīng)元個(gè)數(shù)為12，隱含層為4層，隱含層激活函數(shù)為logsig時(shí)，輸出誤差最小?？梢?jiàn)隱含層適當(dāng)，同時(shí)激活函數(shù)選擇合適，則可以得出較為理想的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

4結(jié)論

(1)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)可以建立較理想的適用于復(fù)合吸聲體平均吸聲系數(shù)的預(yù)測(cè)模型。對(duì)于非織造材料基復(fù)合吸聲體，當(dāng)輸入神經(jīng)元個(gè)數(shù)為12，隱含層為4層，隱含層激活函數(shù)為logsig時(shí)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，其輸出誤差最小。

(2)對(duì)于復(fù)合吸聲體的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并不是輸入神經(jīng)元個(gè)數(shù)越多，誤差越小，而是輸入信息必須對(duì)結(jié)果具有顯著性的影響，且隱含層神經(jīng)元個(gè)數(shù)也存在最優(yōu)個(gè)數(shù)，隱含層激活函數(shù)對(duì)輸出結(jié)果也有較大的影響。

參考文獻(xiàn)

[1]陳劍雄,豐薇薇.噪聲對(duì)職業(yè)機(jī)動(dòng)車(chē)駕駛員血壓的影響[J].職業(yè)與健康,2013,29(15):1881-1885.

[2]春泓.職業(yè)噪聲危害,切莫“充耳不聞”[J].中國(guó)社會(huì)保障,2013(4):52-53.

[3]王雙閃，劉建立，劉健，等.非織造材料基三明治結(jié)構(gòu)吸聲體吸聲性能研究[J].上海紡織科技,2014,41(12):56-60.

[4]史峰,王小川,郁磊，等.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京:北京航空航天大學(xué)出版社,2010:54-64.

歡迎訂閱2015年度

《產(chǎn)業(yè)用紡織品》《國(guó)際紡織導(dǎo)報(bào)》

Acoustic absorption coefficient prediction of nonwovens

matrix composite based on BP neuron network

WangShuangshan1,XiangZenghui1,LanGuiliu1,ZuoHongyun1,ZuoBaoqi2,3

(1. Jiangsu Burgeree New Technology Materials Co,. Ltd.;

2. National Engineering Laboratory for Modern Silk, Soochow University;

3. College of Textile and Clothing Engineering, Soochow University)

Abstract:Polypropylene melt-blown nonwovens and polyester fiber needle-punched nonwovens as the research object, through experiments its physical structure parameters can be obtained. The thickness, density, pore size and porosity of composite nonwovens at composition before and after as the input of Back Propagation(BP)neural network were used to predict the average sound absorption coefficient of the nonwovens matrix composite absorber. In order to get the optimum network, the number of input neuron, transfer function and the number of hider layer were adjusted. The average sound absorption coefficient of the nonwovens matrix composite absorber was predicted by BP neural network, and was compared the predicting outcomes with test result. The result showed that with the optimum BP neural network can be set up ideal model for nonwovens matrix composite absorber.

Keywords:nonwovens, composite absorber, Back Propagation neural network, sound absorption coefficient