【技术实现步骤摘要】
本专利技术涉及一种基于bp神经网络的纤维染色配方预报方法，属于纤维染色配方预测。
技术介绍
1、颜色是颜色科学中重要的组成部分，随着颜色科学的日益发展，人们对颜色的要求也日益提高。尤其是在纺织领域，颜色是纺织品质量控制中极为重要的一个因素。色纺纱是先将纤维染色，然后选用不同颜色的纤维按一定比例纺制而成的纱线，具有独特的混色效果。在这一过程中，纤维染色和色纺纱纺制过程均对颜色有着高要求。对色纺纱企业来说，以往纤维染色和色纺纱颜色设计等工作都是凭经验操作，打样时间长、成本控制难、配色的准确度不高、再现性差，阻碍了色纺纱产业发展。因此，企业迫切需要一种精准的配色技术来减少打样次数，节省人工成本和原材料，缩短生产周期，提高企业生产效率，实现效益最大化。
2、计算机配色技术使用颜色测量仪器获取目标色样的光谱反射率数据，并将其输入计算机。然后利用计算机中的光谱基础数据库及相关配色软件进行计算和修正，最终得到符合目标色样要求的配方。目前，工厂普遍采用人工经验打样，需要3-5次甚至更多次的染色打样，整个试样的周期很长，从而影响了来样加工的交货时间和针对市场快速变化的产品开发。
3、染料配方的精确预测一直是企业的难题，目前计算机配色技术基于库贝尔卡—芒克理论(k-m)，对单色基础样测得的颜色相关量计算达到配色目的。然而染色这一过程涉及诸多因素的影响，k-m理论难以找到合适的配方获得目标颜色，造成大量的人力和成本的浪费。
技术实现思路
1、本专利技术的目的是提供一种基于bp神经
2、为解决上述技术问题，本专利技术的目的是这样实现的：
3、本专利技术所涉及的一种基于bp神经网络的纤维染色配方预报方法，包括如下步骤：
4、s1、试样的制备：按照下列工序羊毛染色→开松→梳理→并条→粗纱→细纱→织造，制成羊毛针织面料，作为试样；
5、选取黄、红、蓝三种染料染色，并对每种染料以不同的浓度梯度对羊毛纤维进行染色，获得各种单色染料不同浓度梯度所对应的k/s值；所述单色染料的用量为0％-2.5％o.w.f；
6、s2、试样测色：采用datacolor 600分光光度仪对上一步骤所制备的试样进行测试，记录每种样品在可见光谱400～700nm时的反射率值；
7、s3、单色基础数据库的建立：基于k/s值公式，计算单一染液不同浓度梯度在400nm-700nm波长下对应的k/s值，建立单色基础数据库；
8、s4、预训练模型的构建：基于单一染液不同染液浓度与k/s值关系，每种颜色的染液中均随机选取一个染液浓度进行混合，获得其对应的k/s值、反射率以及l*、a*、b*值，生成若干组训练数据，其中每组数据中包含三种颜色的染液的浓度与l*、a*、b*值；使用所构建的训练数据对bp神经网络进行训练，构建预训练模型；建立cie l*、a*、b*值与染液浓度之间的映射关系，达到染色配方预测的效果，其中输入层为l*、a*、b*值，输出层为三种染液浓度；
9、根据训练数据类型对bp神经网络设计如下：
10、(1)数据处理：利用数据处理软件对训练数据进行归一化处理，使得训练数据整体分布在0～1之间；
11、(2)划分数据集：采用随机划分的方法将训练数据集随机分为训练集、测试集、验证集三个子集，分别按照70％，15％，15％的比例进行划分；
12、(3)神经元节点数：bp神经网络结构，包括输入层、隐含层和输出层。输入层和输出层节点数与数据一致，根据实际需要，将l*、a*和b*颜色值作为输入层，节点数为3；输出层为染液浓度配方，包括黄、红、蓝三种染液，节点数也为3；
13、隐含层节点数通常通过经验公式(1)来确定大致范围；
14、
15、式中：m为输入层节点数；n为输出层节点数；s为隐含层节点数；k为1～10之间的整数；
16、(4)bp神经网络其他参数：输入层到隐含层传递函数为tansig函数，隐含层到输出层传递函数为purelin线性函数，模型训练函数为traingdm函数，进行梯度下降训练函数，加速学习过程中的收敛，并且能够在一定程度上避免陷入局部最小值；
17、s5、染色配方预测：待模型训练完成后，对试样进行染色配方预测；
18、s6、预训练模型的优化：结合真实打样数据对预训练模型进行优化。
19、在上述方案的基础上并作为上述方案的优选方案：所述单色染料的用量分别为0.05、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0、1.2、1.4、1.6、1.8、2.0、2.5％o.w.f。
20、在上述方案的基础上并作为上述方案的优选方案：在试样制备中，对羊毛的染色如下：
21、采用datacolor自动滴液机滴取染液至染杯中，放入洗净的6g 80s澳毛，浴比为1∶20；
22、对于低浓度染液(<2％o.w.f)，加入适量冰醋酸调节染浴ph值(5.5～6.5)，以2℃/min的升温速率从室温升温至100℃，维持该温度保温40min；
23、对于高浓度染液(>2％o.w.f)，加入适量甲酸调节染浴ph值(4.5～5.5)，以2℃/min的升温速率从室温升温至100℃，维持该温度保温60min；
24、之后将染色后的羊毛纤维经过水洗、烘干步骤处理。
25、在上述方案的基础上并作为上述方案的优选方案：在试样测色中，采用datacolor600分光光度仪进行测试；在仪器进行预热和校正后，设置测量孔径为20mm、d65标准光源、镜面光泽包含、100％uv、10°观察角等参数后对样品测色，每个样品在不同位置测量4次，取平均值，记录每个样品在可见光谱400～700nm时的反射率值，波段间隔设置为10nm；测色过程中，确保重复测量得到的色差小于0.1。
26、在上述方案的基础上并作为上述方案的优选方案：在单色基础数据库的建立中，采用三次样条拟合插值法对染料浓度与k/s值进行曲线拟合。
27、在上述方案的基础上并作为上述方案的优选方案：所述隐含节点数为9。
28、在上述方案的基础上并作为上述方案的优选方案：在划分数据集中，训练集、测试集、验证集三个子集分别按照70％，15％，15％的比例进行划分。
29、本专利技术的有益效果是：本专利技术所涉及的一种基于bp神经网络的纤维染色配方预报方法，基于实际染色样本优化的预训练模型染色配方预测精度有一定的提升，优化后模型17％的预测结果色差小于1，平均色差为1.679，能够满足工厂初次打样色差接受范围。结合真实打样数据对预训练模型进行优化。对配方预测的精确度较高。验证了基于数据驱动的配色模型在实际应用中的价值，为纺织行业提供了一种新的高效本文档来自技高网...
【技术保护点】
1.一种基于BP神经网络的纤维染色配方预报方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于BP神经网络的纤维染色配方预报方法，其特征在于，所述单色染料的用量分别为0.05、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0、1.2、1.4、1.6、1.8、2.0、2.5％o.w.f。
3.根据权利要求1所述的一种基于BP神经网络的纤维染色配方预报方法，其特征在于，在试样制备中，对羊毛的染色如下：
4.根据权利要求1所述的一种基于BP神经网络的纤维染色配方预报方法，其特征在于，在试样测色中，采用Datacolor 600分光光度仪进行测试；在仪器进行预热和校正后，设置测量孔径为20mm、D65标准光源、镜面光泽包含、100％UV、10°观察角等参数后对样品测色，每个样品在不同位置测量4次，取平均值，记录每个样品在可见光谱400～700nm时的反射率值，波段间隔设置为10nm；测色过程中，确保重复测量得到的色差小于0.1。
5.根据权利要求1所述的一种基于BP神经网络的纤维染色配方预报方法，
6.根据权利要求1所述的一种基于BP神经网络的纤维染色配方预报方法，其特征在于，所述隐含节点数为9。
7.根据权利要求1所述的一种基于BP神经网络的纤维染色配方预报方法，其特征在于，在划分数据集中，训练集、测试集、验证集三个子集分别按照70％，15％，15％的比例进行划分。
...【技术特征摘要】
1.一种基于bp神经网络的纤维染色配方预报方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于bp神经网络的纤维染色配方预报方法，其特征在于，所述单色染料的用量分别为0.05、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0、1.2、1.4、1.6、1.8、2.0、2.5％o.w.f。
3.根据权利要求1所述的一种基于bp神经网络的纤维染色配方预报方法，其特征在于，在试样制备中，对羊毛的染色如下：
4.根据权利要求1所述的一种基于bp神经网络的纤维染色配方预报方法，其特征在于，在试样测色中，采用datacolor 600分光光度仪进行测试；在仪器进行预热和校正后，设置测量孔径为20mm、d65标准光源、镜面...
【专利技术属性】
技术研发人员：陈维国，裘柯槟，高普，李永强，
申请(专利权)人：浙江理工大学桐乡研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。