基于神經(jīng)網(wǎng)絡算法的救生筏橡膠基布質(zhì)量預測方法

劉智玉，劉佃森，汪 軍

(1.上海游龍橡膠制品有限公司，上海 201205；2.東華大學 紡織學院，上海 201620)

1 救生筏質(zhì)量要求

救生筏的生產(chǎn)加工過程較為復雜，在原料紗線、坯布性能、織物結(jié)構(gòu)、橡膠性能、加工工藝和成品救生筏性能之間存在著內(nèi)在的非線性關系。救生筏生產(chǎn)企業(yè)在產(chǎn)品生產(chǎn)過程中，普遍會在標準要求的基礎上額外增加一些質(zhì)量冗余量，以形成一個“質(zhì)量安全區(qū)”，可以對沖產(chǎn)品質(zhì)量波動帶來的潛在風險；但 如果質(zhì)量安全區(qū)預留范圍過大，則意味著生產(chǎn)中需使用質(zhì)量過剩的原料和更高的加工工藝，會顯著增加生產(chǎn)成本；此外，由于目前增加救生筏產(chǎn)品牢固度和質(zhì)量的主要手段是通過增加救生筏基布厚度和橡膠涂層厚度來實現(xiàn)，所以質(zhì)量冗余量過大，會造成救生筏偏厚重，其輕量化受到影響。另外，在現(xiàn)實中有些生產(chǎn)企業(yè)為了降低成本，盲目追求輕量化而將質(zhì)量安全區(qū)偏小掌握，在遭遇產(chǎn)品質(zhì)量波動時，出現(xiàn)最終產(chǎn)品檢測質(zhì)量不達標的情況。近年我國曾對市面上出售的漁船氣脹式救生筏進行集中質(zhì)量抽樣專項檢查，檢查范圍涵蓋全國11家氣脹式救生筏生產(chǎn)企業(yè)，檢查結(jié)果顯示，救生筏合格率僅為85.7%[1]。

可見，如果想將救生筏的質(zhì)量安全區(qū)控制在既能滿足質(zhì)量要求，又能滿足產(chǎn)品的輕量化需求，并合理降低產(chǎn)品成本的范圍，就需在科學研究指導下進行。

目前常見的研究方法是通過采購不同原料，修改加工工藝生產(chǎn)試驗樣品，然后對樣品進行檢測，以確定原料及加工工藝的質(zhì)量安全區(qū)，但這種方法會浪費大量試驗樣品及人力、物力，且效率極低。因此，若能找到一種替代歷史經(jīng)驗的虛擬產(chǎn)品質(zhì)量預測方法，則能為合理確定質(zhì)量安全區(qū)提供更高效準確的依據(jù)，從而提高企業(yè)生產(chǎn)效率和產(chǎn)品競爭力，達到產(chǎn)品標準規(guī)定和滿足實際使用中對救生筏的質(zhì)量要求，對救生筏企業(yè)具有重要的現(xiàn)實意義。

在機器學習技術出現(xiàn)之前，紡織領域主要應用數(shù)學和統(tǒng)計模型進行產(chǎn)品質(zhì)量預測。隨著機器學習技術的發(fā)展，逐漸在纖維分類、紗線紡制、織物疵點檢測、印染質(zhì)量預測等領域都得到應用[2-4]。但目前在救生筏產(chǎn)品領域還沒有應用研究的相關報道。在眾多機器學習技術中，人工神經(jīng)網(wǎng)絡(Artificial Neural Network，簡稱ANN)算法目前應用最為廣泛。神經(jīng)網(wǎng)絡算法容錯能力較好，具有自適應性，自學習能力較強，善于處理數(shù)據(jù)間的非線性關系。本文的研究重點是基于神經(jīng)網(wǎng)絡算法根據(jù)坯布質(zhì)量進行救生筏橡膠基布質(zhì)量預測的方法研究。

2 預測模型建立

2.1 特征參數(shù)選擇

救生筏體的質(zhì)量要求主要為：滿足浮力、不漏氣、抗損壞(抗氣壓壓力、常見碰撞等)。救生筏體的橡膠基布質(zhì)量是保障這些優(yōu)異性能的關鍵點之一。我國水產(chǎn)行業(yè)標準規(guī)定，橡膠基布以5000 m或月產(chǎn)量為一批提交驗收，其抗拉強度、撕裂強度等指標的抽樣率為每批抽樣1次[5-6]。在生產(chǎn)質(zhì)量控制中，這種檢測抽樣率只適用于產(chǎn)品質(zhì)量波動小且無異常狀況發(fā)生的情形，如果產(chǎn)品質(zhì)量異常波動，就存在無法發(fā)現(xiàn)次品的概率。由于抗拉強度、撕裂強度等指標的檢測是破壞性試驗，所以即使要控制因質(zhì)量異常造成的次品率，也只能盡量合理地增大抽樣率，無法將抽樣率提升太高。此外，從坯布到橡膠基布的加工成本較高，若對橡膠基布加大抽樣率，檢測成本會較大。如果能通過對坯布質(zhì)量的檢測結(jié)果預測出橡膠基布的質(zhì)量水平，則可通過加大對坯布檢測抽樣率代替增大橡膠基布抽樣率，實現(xiàn)較低成本監(jiān)測橡膠基布的質(zhì)量。

根據(jù)標準質(zhì)量要求及生產(chǎn)實踐經(jīng)驗，選出對橡膠基布質(zhì)量影響較大的坯布經(jīng)向抗拉強度、坯布緯向抗拉強度、坯布經(jīng)向扯斷伸長率及坯布緯向扯斷伸長率這4項質(zhì)量指標作為神經(jīng)網(wǎng)絡的輸入變量，并以橡膠基布的經(jīng)向抗拉強度、緯向抗拉強度、經(jīng)向撕裂強度、緯向撕裂強度這4項質(zhì)量指標作為輸出變量，建立橡膠基布質(zhì)量預測模型。

2.2 神經(jīng)網(wǎng)絡設計

1989年Robert Hecht-Nielsen證明了多層感知器(MLP)的萬能逼近定理(Universal Approximation Theorem)，即對于任何閉區(qū)間內(nèi)的1個連續(xù)函數(shù)f，都可用含有1個隱含層的神經(jīng)網(wǎng)絡來逼近[7]，因此1個3層的神經(jīng)網(wǎng)絡能完成任意m維到n維的映射。一般普通數(shù)據(jù)集常用單隱層的3層神經(jīng)網(wǎng)絡來進行質(zhì)量預測建模。筆者也采用這種架構(gòu)，建立了1個包含單隱層的3層MLP神經(jīng)網(wǎng)絡模型。

神經(jīng)網(wǎng)絡最重要的參數(shù)之一是隱層中神經(jīng)元節(jié)點的個數(shù)，選擇神經(jīng)網(wǎng)絡中隱層神經(jīng)元節(jié)點數(shù)的經(jīng)驗公式[8-9]為：

(1)

式中：

s——隱層神經(jīng)元數(shù)；

m——輸入神經(jīng)元數(shù)；

n——輸出神經(jīng)元數(shù)。

以m，n為4，代入式(1)，計算得s值為5.2。采用樣本數(shù)據(jù)多次試驗，最終選定網(wǎng)絡的隱層神經(jīng)元數(shù)為5，建成的3層神經(jīng)網(wǎng)絡預測模型為4-5-4結(jié)構(gòu)，如圖1所示。

圖1 3層神經(jīng)網(wǎng)絡預測模型

使用不同超參數(shù)值運用該預測模型進行預測，經(jīng)過對比試驗確定優(yōu)選的超參數(shù)設置，最終確定該神經(jīng)網(wǎng)絡的主要超參數(shù)設定：優(yōu)化器為均方差傳播算法RMSprop，迭代輪次為1000，學習率為0.001，激活函數(shù)選擇ReLU函數(shù)。本模型的編程語言為Python，深度學習框架為Keras。

3 試驗方法

本試驗共有42個樣本數(shù)據(jù)，其中，將28個樣本數(shù)據(jù)作為訓練集，7個樣本數(shù)據(jù)作為驗證集，7個樣本數(shù)據(jù)作為測試集。在應用神經(jīng)網(wǎng)絡時，所有輸入特征的變化范圍越相似，則預測效果越好。當所有輸入特征的均值為0、方差為1時是最理想狀態(tài)，對試驗數(shù)據(jù)采用標準化處理方法[10]進行數(shù)據(jù)縮放，可以達到這種效果。本試驗在預測前對所有樣本數(shù)據(jù)均進行了標準化處理。

預測后將預測值與實測值對比，并采用平均絕對百分比誤差(MAPE)作為評估指標。其表達式為：

(2)

式中：

p——測試集樣本數(shù)；

yi——第i個測試樣本的實測值。

4 試驗結(jié)果分析

橡膠基布經(jīng)向抗拉強度、緯向抗拉強度、經(jīng)向撕裂強度、緯向撕裂強度的實測值與預測值比較分別見表1～表4。

表1 經(jīng)向抗拉強度的實測值與預測值比較

由表1～表4可知，橡膠基布經(jīng)向抗拉強度、緯向抗拉強度、經(jīng)向撕裂強度、緯向撕裂強度這4項質(zhì)量指標的預測值相對于樣本實測值的平均絕對百分比誤差(MAPE)分別為1.15%，0.53%，0.69%，0.68%。在所有預測值中，單值最高絕對百分比誤差為2.40%，這充分表明該神經(jīng)網(wǎng)絡預測模型是有效的。

表2 緯向抗拉強度的實測值與預測值比較

表3 經(jīng)向撕裂強度的實測值與預測值比較

表4 緯向撕裂強度的實測值與預測值比較

在實際生產(chǎn)質(zhì)量控制中，不同質(zhì)量指標的質(zhì)量安全范圍常控制為15%～30%，因此該神經(jīng)網(wǎng)絡預測模型的準確度可滿足生產(chǎn)實踐中對質(zhì)量安全區(qū)優(yōu)化控制的要求。

5 結(jié)語

筆者研究建立了救生筏橡膠基布質(zhì)量預測的神經(jīng)網(wǎng)絡模型。根據(jù)救生筏產(chǎn)品質(zhì)量標準，對救生筏功能及質(zhì)量具有重要影響的橡膠基布抗拉強度和撕裂強度進行質(zhì)量預測。將橡膠基布的坯布抗拉強度和扯斷伸長率作為輸入變量，采用MLP神經(jīng)網(wǎng)絡建立橡膠基布質(zhì)量預測模型。經(jīng)試驗得知，預測值與實測值吻合較好，橡膠基布經(jīng)向抗拉強度、緯向抗拉強度、經(jīng)向撕裂強度及緯向撕裂強度4個質(zhì)量指標的預測值相對于樣本實測值的平均絕對百分比誤差分別為1.15%，0.53%，0.69%，0.68%，預測值與實測值的絕對百分比誤差均遠小于生產(chǎn)實踐中質(zhì)量安全區(qū)常見控制范圍。運用該質(zhì)量預測模型，在滿足質(zhì)量安全區(qū)控制要求的同時，提高了預測速度且減少了成本浪費。