关于高温防护服的最优厚度设计与研究

2019-02-28孙馨雨陈达周子钧张美香

科学与财富 2019年3期

孙馨雨陈达周子钧张美香

摘要：本文针对高温作业专用服装的设计与优化问题，以材料热力学、二分法和现代优化算法为基础，对高温作业专用服装进行了设计与优化。首先利用二分法对未知层厚度进行中值计算，以此类推得到较优厚度；其次，利用基于模拟退火的遗传算法对模型进行优化，根据专用服装材料第II层厚度的范围限制，与利用二分法所求出的较优厚度进行交集求解，从而得到限定条件下第II层材料的最优厚度；接着环境温度再次发生改变，本文将第IV层空气层的厚度在其所限定范围内使之达到最小值，进而根据两未知层厚度和求出第II层材料厚度，得到第II层厚度为：4.25mm，第IV层厚度为：6.4mm；最后，利用粒子群优化算法，对模型进行进一步的优化改进，最终得到第II层材料最优厚度。

关键词：高温防护服；遗传算法；粒子群算法；模拟退火；最优厚度

引言

在高温环境下工作时，人们需要穿着专用服装以避免灼伤。现有一种高温作业专用服装，共由三层织物材料和一层空气层组成，仅第II、IV层的厚度可在一定范围内进行调节。在保证作业工人不被灼伤的前提下，减轻服装的重量，降低其研发成本并缩短研发周期，对作业工人与服装生产厂家均具有一定意义。为优化专用服装，需要根据服装各层的材质及整体的隔热效果确定最优厚度，为此依据人体模型体外温度在高温环境下的变化对服装隔热效果及服装设计优化进行研究。

1基于二分法的服装厚度计算模型

1.1模型建立

首先，考虑到服装第II层外只有厚度固定的第I层，因此对于服装整体重量的变化，利用公式：

重量=密度*面积*厚度*重力加速度

假设各层面料为匀质材质，面积的改变量忽略不计，且重力加速度在同一地点保持不变，得到专用服装的重量仅与织物面料的厚度成正相关。

其次，将对温度限定与时间的关系转化为数学语言为：在工作时间达到50min时，人体模型表层温度不超过44度；当工作时间达到60min时，人体模型表层温度不超过47度，即：

接下来利用二分法，将材料厚度范围与其求得的大致厚度取交集，则得到服装第II层的最优厚度。最后，在面料使用量能确保服装隔热效果能满足前提条件的情况下，利用优化算法对模型进行改进，最终达到减少服装质量并确定面料最佳厚度的目的。为使得模型具有更广泛的应用型，本文使用基于模拟退火的遗传算法，其能够处理具有任意程度的非线性函数且不限制目标函数的边界条件与约束条件。

1.2模型求解

将数值设定代入热传导模型中，其中，環境温度为65度，材料第IV 层厚度为5.5mm，第II层厚度为未知数。利用二分法对材料厚度范围进行估计，并得到厚度行向量：

利用MATLAB软件进行求解，得到在保证专用服装隔热效果良好的前提下材料第II层的相对最优厚度为10.7mm。

1.3模型优化

本文应用基于模拟退火的遗传算法，对新的模型做出优化，计算最优结果，得到最优厚度。在Metropolis算法中，材料中粒子在高温条件下具备较高能量，因此能够自由运动并重新排列；在低温条件下，其能量较低，运动形式趋于有序稳定状态，在此算法中，粒子能量用以定义材料状态。因此将专用服装材料每一层达到热动态平衡时的温度类比为材料能量，将降温过程类比为开始确定专用服装的最优厚度，目标函数即人体模型的表层温度，约束条件为专用服装对重量的上限约束。

将材料第II层厚度的限定范围设为步长为0.01的变化梯度，即将解空间离散化，因而将其表示为10.7，10.71，10.72...，24.98，24.99，25的所有固定起点和重点的循环排列几何，即：

其中每个循环排列表示侦查2440个目标的一个回路。

目标函数要求：

产生新解使用2变换法进行迭代得新的服装厚度表达式为：

代价函数值每次迭代所得服装厚度差为：

1.4结果分析

通过前期模型建立以及后期利用模拟退火优化算法对模型及计算结果进行改进，得到改进后的结果为材料第II层的最佳厚度为：10.7mm。由结果可知，当环境温度降低，且服装材料中一层厚度发生改变时，可变厚度层材料的最优厚度与其物性参数存在较大关系，且最优厚度一般在可控厚度范围内的前三分之一左右处。

2高温作业专用服装隔热效果评价模型

由于面料第II、IV层织物材料厚度均未知，因此厚度增加对整个服装的体积增加效果相同。由此根据限定的工作时间，确定两种未知面料的最佳厚度。此处除了引进织物材料使用质量作为减少研发成本的评估参数外，另引进C1、C2两个常数作为第II、IV层织物材料单位质量的价格。结合上节模型分析不难得到：消耗成本与厚度*C成正相关。

2.1模型求解

首先求解两层未知厚度材料的厚度之和，并使之达到最小值。由于第IV层、第II层材料厚度的增加对专用服装空隙整体的提及增加效果相同，两者厚度分别增加对服装用料的增加效果不同，因此使材料第IV层厚度达到最大值，则剩余材料厚度为第二层厚度，依据此思想，求得两未知厚度材料的相对较优厚度，即：第IV层较优厚度为6.4mm，第II层较优厚度为4.25mm。

2.2模型优化

本文将专用服装的可变厚度类比为粒子群优化算法中的“认知”部分，假设已获得较优服装厚度，则在此基础上应继续减小误差。将最优厚度的比较与筛选类比为粒子群优化算法中的“社会”部分。根据该理论的预期，微粒本身的认知将被其它微粒所模仿。具体的，算法步骤如下：

（1）初始化一群颗粒（群体规模为m），包括随机的位置和速度；

（2）评价每个微粒的适应度；

（3）对每个微粒，将其适应值与其经历过的最好位置作比较，如果较好，则将其作为当前的最好位置；

（4）对每个微粒，将它的适应值和全局所经历最好位置gbest作比较，如果较好，则重新设置gbest的索引号；

（5）根据方程变化微粒的速度和位置；

（6）若未达到结束条件，则返回步骤（2）继续迭代。

2.3结果分析

经过粒子群优化算法对模型的继续改进，得到两未知层厚分别为：第IV层较优厚度为6.33mm，第II层较优厚度为4.32mm。

结论

本文中建立的两个数学模型从实际出发，建立添加有服装重量决策参数的评价模型，对决策方程中自变量的数值进行更改。同时利用粒子群优化算法与基于模拟退火的遗传算法对模型与计算结果的合理性进行检验与校核。总之本文模型从多方面合理解释了模型原理及分析，对高温防护服的最优厚度设计提供了严谨的数据参考。