APP下载

织物弯曲性能分析方法综述

2015-02-23蒋耀兴张长胜

现代丝绸科学与技术 2015年5期
关键词:织物网格神经网络

季 慧,蒋耀兴,张长胜

(1.苏州大学纺织与服装工程学院,江苏 苏州215021;2.现代丝绸国家工程实验室,江苏 苏州215123)

织物的弯曲性能对其尺寸稳定性、褶裥耐久性、折皱回复性及服装成形性等具有很大影响[1],优良弯曲性形成优雅的视觉效果。现今,已有越来越多的学者关注于织物弯曲性的研究。

1 弯曲性能的历史及评价指标

织物的弯曲是源于织物的力学性质,所以对弯曲特性的研究必然离不开其力学指标。

1.1 弯曲性能的历史

早在20世纪20年代,织物风格这一说法被Binns提出。20世纪30年代,开始有学者专注于对织物弯曲性能的研究。直到1937年,英国物理学家Peirce引入了悬臂梁模型对织物弯曲性能进行了初步分析,并且提出了一系列力学指标,结合织物的基本参数客观评价了织物弯曲柔性等性质。进入20世纪60年代,Grosberg/H对通过多种织物实际弯曲情况分析后,提出了织物弯曲摩擦力偶模型。在这之后,Clapp,Peng等人提出织物实际弯曲时的表现性质可以分为弹性的线性部分和由于摩擦产生的非线性部分。20世纪70~80年代,Huang,Leaf等人提出了织物双线性弯曲理论,认为在整个弯曲过程中,曲率变化是非线性的。之后,T.K.Ghost等人对织物的弯曲力学性能做了系统的总结[2-4]。

1.2 评价指标

从现已有的研究来看,对织物弯曲性能的评价主要是客观的。如斜面法主要通过测量织物的有关力学参数,如织物厚度、弯曲长度、弯曲角、平方米克重等从而计算出弯曲刚度来评价其弯曲性能。其实也可以主观地对织物弯曲性能进行评价,但是得到的数据过于随意,准确率过低,几乎没有可比性,受人的心情以及环境的影响很大,适用范围相对局限。

2 弯曲性能分析方法

进入21世纪后,织物弯曲性能的理论研究取得了更进一步的发展,随着电子技术的日新月异,使得织物弯曲性能的检测手段以及分析方法都有了突破性的进展。图像分析法、BP神经网络以及有限元方法陆续被应用于织物弯曲性能的研究,也大大提高了我们对其认识水平。

2.1 图象处理技术

实验部分与斜面法一致,待织物自由弯曲形态稳定后,采用高速摄影技术,捕捉该画面,从而采集到较为准确的弯曲形态图像。将此图像经过采样和量化处理后转换成为数字图像,然后再进行预处理,如设置比例尺、图像增强、图像复原、形态学处理、分割等,摒弃无用信息,保留有用信息,最终得到织物弯曲形态的拟合曲线,从而获得各种特征指标,如弯曲角、弯曲长度等[5]。

该方法是在原有斜面法标准的基础上,通过高清摄像头取得弯曲形态的图像从而进行分析的,这样得到的数据的精确度更高,误差更小。但是翻阅大量的文献,现有的成果主要是利用图像处理技术对织物静态弯曲性能的研究,得出的也是其二维特征指标。而在日常生活中,服装无时无刻都是动态的,人们往往是从颜色的明暗搭配以及其线条的流畅对服装进行评价的,从而使织物动态弯曲性能的研究尤为有意义。而且,织物弯曲并不是一种二维现象,而是三维,所以用二维指标并不能完全表征其弯曲性能,对织物三维信息的研究也是势在必行。

2.2 BP神经网络技术

BP神经网络的主要任务根据正确结果不停地校正自己的网络结构,最后获得一个满意的精度。我们取弯曲刚度测试得到的结果中的小部分用于模型精度检验,剩余数据用于建模。选取适合的训练函数后再进行寻优,挑选几个角度以及相应其角度方向的弯曲刚度值分别作为网络的输入节点和输出节点。重复该操作后,选定相对适合的隐层节点数。然后对数据进行归一化处理以消除因输入、输出数据不同指标的单位和数量级带来的差异。用Mat-Lab进行BP神经网络训练,设定训练目标误差,得到收敛情况,从而预测织物的弯曲性能[6]。

BP神经网络技术虽然实现了一个输入到输出的非线性映射过程,但是在实际应用中,它的预测精度并不够准确,若是目标函数过于复杂,其算法也会相对低效。所以在以后的研究中,还需要通过进一步对其结构进行改善,尽量减少相关性高的数据,使得到的数据更加精确。除此之外,也需要同时改变实验的环境以实验样品的种类和数量从而增强其模型的预测性能,才能在日常应用中发挥有效的作用。

2.3 有限元方法

现在的有限元方法主要表现为一个计算工具。在有限元方法中,整个解决方案领域又被分为有限个单元。在每个单元中,微分控制方程描述运动行为。各个单元被拓扑图连接在一起,被称为网格。只要给定问题的边界条件满足唯一的解决方案,就能通过一个解矩阵得到线性代数方程组的整体系统。关于织物大变形的预测,微分方程的分析和数值解的处理方法,如龙格库塔,射击,有限差分和有限元(FE)方法,均来源于欧拉 -伯努利理论推导。在这些研究中,将织物看作一种各方向异性的连续体,从而对织物弯曲变形特征进行模拟计算[3]。但是它们把织物的变形归结于弯曲刚度,而轴向变形的影响被忽略。鉴于此,后来使用欧拉 -伯努利理论与非线性应变位移关系的有限元(FE)方法被成功地应用于织物的弯曲问题之中[7]。

虽然该方法具有高效性、实用性,但是所有的FE方法需要许多相关性单元用于负载递增过程。它依赖于其良好品质的网格。然而无网格方法,可以消除概念元素,从而克服了以网格为基础的方法的缺点。因此,近年来,无网格方法已经引起研究人员的高度重视。

3 结语

近几十年,织物弯曲性能的理论研究和评价方法已经取得了很大的成果,但总体上,还处于探索状态。未来的工作主要有:织物动态弯曲性能的研究;三维特征指标的选择;BP神经网络的精确度;应用无网格方法的仿真领域等。

[1] 石风俊,胡金莲.织物的弯曲性能[J].纺织学报,2005,26(03):15-18.

[2] 何琦辉.利用织物实际弯曲形态测试织物弯曲性能的方法研究[D].东华大学,2005.

[3] 李瑞敏.强约束条件下织物弯曲特性的测试方法研究[D].西安工程大学,2012.

[4] 孙炳合,梅兴波,王正伟.织物弯曲性能研究的动态和新方法[J].上海纺织科技,2000,28(03):7-8.

[5] 沈丹.基于摩擦性能与弯曲性能的织物手感客观检测研[D].天津:天津工业大学,2008.

[6] 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,2009,30(02):48-51.

[7] Halit Gun,Samet Caliskan and Ahu Demiroz Gun.A meshless formulation of Euler-Bernoulli beam theory for prediction of large deformation behavior of fabrics[J].Textile Research Journal,2011,81(10):1075-1080.

猜你喜欢

织物网格神经网络
无Sn-Pd活化法制备PANI/Cu导电织物
《纺织品织物折痕回复角的测定》正式发布
竹纤维织物抗菌研究进展
神经网络抑制无线通信干扰探究
反射的椭圆随机偏微分方程的网格逼近
追逐
基于神经网络的中小学生情感分析
重叠网格装配中的一种改进ADT搜索方法
基于曲面展开的自由曲面网格划分
基于神经网络的拉矫机控制模型建立