论文部分内容阅读
[摘 要]近年来，保健纺织品中的功能纤维受经济发展影响，其应用有了更广阔的领域。磁性纤维织物以丙纶纤维为集体，采用共混纺丝法制成，在医疗、防护、屏蔽及生物技术中得到了广泛的应用。但丙纶磁性纤维的静电、透气等方面较差，因此此类纺织品舒适性能降低。为此，对其进行优化和设计有利于改变上述现状。本文则以纺织品混纺比的优化和设计为切入点，通过应用遗传算法确定纺织品的整体功能，从而得出最优化混纺比方案，尽可能弥补传统纺织品设计的随意性和片面性。
[关键词]纺织品；设计；遗传算法；应用
中图分类号：TS106 文献标识码：A 文章编号：1009-914X（2014）37-0247-02
引言
传统产品设计主要凭借设计者的直觉和经验，缺乏客观和科学性，若在设计中融入遗传算法会改变以往随意和片面的设计。遗传算法是一种通过模拟自然化过程搜索最优解的方法，其主要特点是直接对结构对象进行操作，不会受函数连续性和求导限定，具有内在的隐并行性和全局寻优能力。当前该算法已经广泛渗透至多个领域，尤其在纺织品设计中能将感性设计和理性分析相结合，提高纺织品设计品质和功能性。
1 混纺纱线性能研究
评定成纱等级的主要依据则是纱线的拉伸性能，主要包括强力和伸长两个部分。纱线在拉伸过程中所能承担的最大外力为纱线强力，能承担纵向最大变形则为纱线伸长，也是评定织物的服用性能和坚牢性的重要指标。采用电子单纱强力仪，预加张力为10cN，夹持距离为50cm，温度20℃，相对湿度65%±5%。于测试前开启预热仪器，从一侧纱杆上导出试样，用强力仪夹持器夹持试样一端，后用另一端用下夹持器夹紧，此时与采用与试样相同的速度对试样进行定速拉伸到其断裂。电压信号会从强力仪上的测力传感器中自动产生，之后由计算机处理后再测试每个比例的纱线，具体结果如表1所示。
导纱线断裂和纤维性质及结构有关，具体表现在：1）纤维细度；纤维较细较柔软时相互之间会比较紧密，不易滑脱，纱截面中纤维根数也会增多，进而提高成纱强度和断裂伸长。2）纤维的摩擦性能；纤维间摩擦越大，滑脱组织增大的同时会提高成纱强度。3）纤维长度；纱线强度主要短于两倍滑脱长度的短纤维存在，若长度一致度较高时会减少薄弱环节，对纱线强度好和断裂伸长的强度都起着重要的促进作用。4）纤维强度；纤维强度的增大会带动纱线强度的增大，自然而然断裂伸长也越大。
2 混纺纺织品设计试验
2.1 试验方法
本文研究试验共制作两种纤维时，采取相同纺纱工艺，运用两种纤维纺织7种混纺比的混纺纱。具体如下：竹浆纤维（河北省化纤厂制作，规格1.65dtex×38mm）。棉纺纤维（本文研究实验室自供的细绒棉）。两种纤维线密度为28tex，捻度为62.4捻/10cm，混纺比为1/100、30/70、40/60、50/50、60/40、70/30、100/0.采用相同的参数织成7种结构相同的混纺纱平织物。
2.2 试验测试方法
本文试验测试织物的透湿性参照GB/T12704-1991，测量织物透湿量采用LFY-216C，参照FZ-T01045-1996测定织物悬垂性，测定纱线耐磨性参照FZ/T01058-1999，采用YG811型织物悬垂性测定仪进行测定。
2.3 试验的工艺及设备
之所有采用不同的处理方式处理原料，不僅能减少纤维损伤，还能够很好的节省原料，采用条魂法混合竹浆纤维和棉纤维，在自动的小样织机上完成所有织物的纺织工艺，参与纺织和纺纱的主要设备有：A272型并条机、ASL-2000型自动的小样织机、AS511A型细纱机、FA4001A型的粗纱机、A186型的梳棉机。
2.4 数据处理
采用遗传算法优化本文试验工具，其中求解优化模型采用Matlab遗传算法工具箱。
3 遗传算法在混纺纺织品设计中应用
3.1 建立混纺比优化模型
纺织品的结构与功能主要由纤维、纱线和织物3个层次构成，较为复杂。特选择混纺比作为设计变量，有利于后续研究，其目标函数也选取纱线耐磨性、织物悬垂性和织物透湿性等纺织品。在织造过程中有效减少断头来考察纺织品结构对功能的影响，对纺织品加工都起着重要的参考作用。纺织品设计中可让欣赏者产生视觉美感的一个重要因素是悬垂性，其良好的织物能够形成光滑流畅的曲面造型。除了视觉上的感受，还注重穿在身上的舒适性，这就要考虑纺织品的透湿性。所以，本文研究试验所选择的纺织品从外观美感及穿着舒适性等指标作为优化纺织品设计的目标。为了建立优化模型，以同样的工艺条件纺织了混纺比为1/100、30/70、40/60、50/50、60/40、70/30、100/0 7种竹/棉混纺纱线并织成织物结构完成相同的7块平纹织物。本文则以这些织物探究混纺比对混纺纱线的织物透湿性、耐磨性及织物悬垂性。为了研究优化模型，还研究了混纺比对织物的透湿性、悬垂性、纱线的耐磨性的影响，因而研究重点就逐渐演变成maxF（x）求解，F（x）可以表示为{F1（x），F2（x），F3（x），}，其中x为决策变量，指竹浆纤维的混纺比，F1（x）指纱线的耐磨性，F2（x）指织物的悬垂性，F3（x）指织物的湿透性。对其悬垂性的测试可经过染整加工的成品布来进行测试，一个系列品种均可应用，若要得出具有对比性的结果，需测试胚布，归一化预处理试验数据，竹浆纤维混纺比和织物的透湿性、织物的悬垂性能、纱线的耐磨性能可通过对试验曲线进行拟合，采用Origin进行拟合，具体函数表达公式如表2.
不同用途纺织品在性能方面也大有不同，在计算时要选择相应的加权系数进行计算。如用于内衣制造的纺织品首先考虑的就是其舒适性，需加大织物透湿性的加权系数，可以适当减少职务耐用性的加权系数。在例如用于外衣制造时，要注重织物的美感要求，可注重织物的悬垂性，而在设计工作服所需的织物时则重点考虑织物的耐用性能。在基于遗传算法的纺织品的设计过程中，可通过加权系数的变化组织各个要素，以此实现不同预期纺织品的设计。本文研究主要是为了在设计中突出纺织品的舒适性、外观美感及加工性能，以下三种不同方案则看通过对加权系数的调整后得出，具体方案如表3所示。 方案1为了在混纺织物的加工过程中具有较好的加工性能，因此其纱线耐磨性的加权系数最大。方案2的悬垂性能较好，为了纺织物具有较好的外观，从而适用于外衣的设计制造。方案3增加织物透湿性的权重，拟用于贴身衣服设计，所以注重织物的舒适性。
3.2 基于遗传算法的优化计算
根据多目标优化模型的特点遗传算法进行计算，完成模型求解则通过MATLAB遗传算法工具，以下为具体优化过程：
3.2.1 编制目标函数文件
Function z=dd2005（x）
F1=1.03343-0.4904*x-0.37755*x2；
F2=-0.96895+0.59331*x；
F3=0.73304+0.298*x
…………
…………
F=[F1 F2 F3]
z=coe*F
z=-z
3.2.2 变成调用主程序
opts=gaoptimset（‘P|otFcns’，{@gaplotbesff，@gaplotstopping}）；
FitnessFunction=@gemeration；
…………
[X，Fval，exitFlag，Output]= ga（FitnessFunction，nunlber（MVariables，[]，[]，[]，[]，0，l，[]，opts）；
…………
…………
fprintf（7The best function value found was：%g＼n’’，Fval）；
3.2.3 结果输出
The number of generations was：51
The number of function evaluations Wag：1020
3.3 检验与评价
将计算得到的混纺比应用至混纺品织品的计算，测试相应的混纺比织物性能，判断设计结果，全部织物织造方法相同，之后在对结果及所建立的数学模型测试结果进行评价测试，具体结果如表4所示：
从上述结果中看出，优化方案得到的纱线和织物性能实际测试值与数学模型得到的预测值结果大致相同，虽然含有一定的误差，但都是不可在建模过程中不可避免的。有望通过增加试验重复次数和改进试验方法来减少性能测试误差。总而言之，实测值和预测值尽管在结果方面存有误差，但两者得到的预测值基本相同，可实现优化设计目标。
4 结语
综上所述，本文通过遗传算法确定混纺比的方案并将其应用至纺织品设计制造中，建立混纺比与纱线耐磨性等数学模型，之后应用遗传算法对模型进行求解，并评价和检验设计方案。结果表面，在纺织品设计中应用遗传算法可以弥补传统设计的随意性和片面性，从经验设计逐渐过渡至科学设计，对今后纺织品设计理论和实践都起着很好的参考作用。
参考文献
[1] 吕志军，杨建国，项前等.基于遗传算法参数优化的纱线质量预测技术[J].东华大学学报（自然科学版），2012，38（5）：519-523.
[2] 封丽冬.基于系统方法的混纺纺织品设计研究探讨[J].科学导报，2014，（2）：100-100，101.
[3] 李金.磁性纤维混纺纱线的混纺比优化及织物舒适性研究[D].天津工业大学，2011.
[4] 金关秀.基于人工智能的纺织技术开发新途径[J].纺织科技进展，2013，（3）：11-14.
[5] 李金，荊妙蕾.利用Matlab遗传算法优化磁性纤维多元混纺纱的混纺比[J].天津工业大学学报，2010，29（6）：13-16.
[6] 李辉芹，巩继贤，黄故等.基于多目标优化的混纺织物设计研究[J].棉纺织技术，2009，37（6）：20-23.
[关键词]纺织品；设计；遗传算法；应用
中图分类号：TS106 文献标识码：A 文章编号：1009-914X（2014）37-0247-02
引言
传统产品设计主要凭借设计者的直觉和经验，缺乏客观和科学性，若在设计中融入遗传算法会改变以往随意和片面的设计。遗传算法是一种通过模拟自然化过程搜索最优解的方法，其主要特点是直接对结构对象进行操作，不会受函数连续性和求导限定，具有内在的隐并行性和全局寻优能力。当前该算法已经广泛渗透至多个领域，尤其在纺织品设计中能将感性设计和理性分析相结合，提高纺织品设计品质和功能性。
1 混纺纱线性能研究
评定成纱等级的主要依据则是纱线的拉伸性能，主要包括强力和伸长两个部分。纱线在拉伸过程中所能承担的最大外力为纱线强力，能承担纵向最大变形则为纱线伸长，也是评定织物的服用性能和坚牢性的重要指标。采用电子单纱强力仪，预加张力为10cN，夹持距离为50cm，温度20℃，相对湿度65%±5%。于测试前开启预热仪器，从一侧纱杆上导出试样，用强力仪夹持器夹持试样一端，后用另一端用下夹持器夹紧，此时与采用与试样相同的速度对试样进行定速拉伸到其断裂。电压信号会从强力仪上的测力传感器中自动产生，之后由计算机处理后再测试每个比例的纱线，具体结果如表1所示。
导纱线断裂和纤维性质及结构有关，具体表现在：1）纤维细度；纤维较细较柔软时相互之间会比较紧密，不易滑脱，纱截面中纤维根数也会增多，进而提高成纱强度和断裂伸长。2）纤维的摩擦性能；纤维间摩擦越大，滑脱组织增大的同时会提高成纱强度。3）纤维长度；纱线强度主要短于两倍滑脱长度的短纤维存在，若长度一致度较高时会减少薄弱环节，对纱线强度好和断裂伸长的强度都起着重要的促进作用。4）纤维强度；纤维强度的增大会带动纱线强度的增大，自然而然断裂伸长也越大。
2 混纺纺织品设计试验
2.1 试验方法
本文研究试验共制作两种纤维时，采取相同纺纱工艺，运用两种纤维纺织7种混纺比的混纺纱。具体如下：竹浆纤维（河北省化纤厂制作，规格1.65dtex×38mm）。棉纺纤维（本文研究实验室自供的细绒棉）。两种纤维线密度为28tex，捻度为62.4捻/10cm，混纺比为1/100、30/70、40/60、50/50、60/40、70/30、100/0.采用相同的参数织成7种结构相同的混纺纱平织物。
2.2 试验测试方法
本文试验测试织物的透湿性参照GB/T12704-1991，测量织物透湿量采用LFY-216C，参照FZ-T01045-1996测定织物悬垂性，测定纱线耐磨性参照FZ/T01058-1999，采用YG811型织物悬垂性测定仪进行测定。
2.3 试验的工艺及设备
之所有采用不同的处理方式处理原料，不僅能减少纤维损伤，还能够很好的节省原料，采用条魂法混合竹浆纤维和棉纤维，在自动的小样织机上完成所有织物的纺织工艺，参与纺织和纺纱的主要设备有：A272型并条机、ASL-2000型自动的小样织机、AS511A型细纱机、FA4001A型的粗纱机、A186型的梳棉机。
2.4 数据处理
采用遗传算法优化本文试验工具，其中求解优化模型采用Matlab遗传算法工具箱。
3 遗传算法在混纺纺织品设计中应用
3.1 建立混纺比优化模型
纺织品的结构与功能主要由纤维、纱线和织物3个层次构成，较为复杂。特选择混纺比作为设计变量，有利于后续研究，其目标函数也选取纱线耐磨性、织物悬垂性和织物透湿性等纺织品。在织造过程中有效减少断头来考察纺织品结构对功能的影响，对纺织品加工都起着重要的参考作用。纺织品设计中可让欣赏者产生视觉美感的一个重要因素是悬垂性，其良好的织物能够形成光滑流畅的曲面造型。除了视觉上的感受，还注重穿在身上的舒适性，这就要考虑纺织品的透湿性。所以，本文研究试验所选择的纺织品从外观美感及穿着舒适性等指标作为优化纺织品设计的目标。为了建立优化模型，以同样的工艺条件纺织了混纺比为1/100、30/70、40/60、50/50、60/40、70/30、100/0 7种竹/棉混纺纱线并织成织物结构完成相同的7块平纹织物。本文则以这些织物探究混纺比对混纺纱线的织物透湿性、耐磨性及织物悬垂性。为了研究优化模型，还研究了混纺比对织物的透湿性、悬垂性、纱线的耐磨性的影响，因而研究重点就逐渐演变成maxF（x）求解，F（x）可以表示为{F1（x），F2（x），F3（x），}，其中x为决策变量，指竹浆纤维的混纺比，F1（x）指纱线的耐磨性，F2（x）指织物的悬垂性，F3（x）指织物的湿透性。对其悬垂性的测试可经过染整加工的成品布来进行测试，一个系列品种均可应用，若要得出具有对比性的结果，需测试胚布，归一化预处理试验数据，竹浆纤维混纺比和织物的透湿性、织物的悬垂性能、纱线的耐磨性能可通过对试验曲线进行拟合，采用Origin进行拟合，具体函数表达公式如表2.
不同用途纺织品在性能方面也大有不同，在计算时要选择相应的加权系数进行计算。如用于内衣制造的纺织品首先考虑的就是其舒适性，需加大织物透湿性的加权系数，可以适当减少职务耐用性的加权系数。在例如用于外衣制造时，要注重织物的美感要求，可注重织物的悬垂性，而在设计工作服所需的织物时则重点考虑织物的耐用性能。在基于遗传算法的纺织品的设计过程中，可通过加权系数的变化组织各个要素，以此实现不同预期纺织品的设计。本文研究主要是为了在设计中突出纺织品的舒适性、外观美感及加工性能，以下三种不同方案则看通过对加权系数的调整后得出，具体方案如表3所示。 方案1为了在混纺织物的加工过程中具有较好的加工性能，因此其纱线耐磨性的加权系数最大。方案2的悬垂性能较好，为了纺织物具有较好的外观，从而适用于外衣的设计制造。方案3增加织物透湿性的权重，拟用于贴身衣服设计，所以注重织物的舒适性。
3.2 基于遗传算法的优化计算
根据多目标优化模型的特点遗传算法进行计算，完成模型求解则通过MATLAB遗传算法工具，以下为具体优化过程：
3.2.1 编制目标函数文件
Function z=dd2005（x）
F1=1.03343-0.4904*x-0.37755*x2；
F2=-0.96895+0.59331*x；
F3=0.73304+0.298*x
…………
…………
F=[F1 F2 F3]
z=coe*F
z=-z
3.2.2 变成调用主程序
opts=gaoptimset（‘P|otFcns’，{@gaplotbesff，@gaplotstopping}）；
FitnessFunction=@gemeration；
…………
[X，Fval，exitFlag，Output]= ga（FitnessFunction，nunlber（MVariables，[]，[]，[]，[]，0，l，[]，opts）；
…………
…………
fprintf（7The best function value found was：%g＼n’’，Fval）；
3.2.3 结果输出
The number of generations was：51
The number of function evaluations Wag：1020
3.3 检验与评价
将计算得到的混纺比应用至混纺品织品的计算，测试相应的混纺比织物性能，判断设计结果，全部织物织造方法相同，之后在对结果及所建立的数学模型测试结果进行评价测试，具体结果如表4所示：
从上述结果中看出，优化方案得到的纱线和织物性能实际测试值与数学模型得到的预测值结果大致相同，虽然含有一定的误差，但都是不可在建模过程中不可避免的。有望通过增加试验重复次数和改进试验方法来减少性能测试误差。总而言之，实测值和预测值尽管在结果方面存有误差，但两者得到的预测值基本相同，可实现优化设计目标。
4 结语
综上所述，本文通过遗传算法确定混纺比的方案并将其应用至纺织品设计制造中，建立混纺比与纱线耐磨性等数学模型，之后应用遗传算法对模型进行求解，并评价和检验设计方案。结果表面，在纺织品设计中应用遗传算法可以弥补传统设计的随意性和片面性，从经验设计逐渐过渡至科学设计，对今后纺织品设计理论和实践都起着很好的参考作用。
参考文献
[1] 吕志军，杨建国，项前等.基于遗传算法参数优化的纱线质量预测技术[J].东华大学学报（自然科学版），2012，38（5）：519-523.
[2] 封丽冬.基于系统方法的混纺纺织品设计研究探讨[J].科学导报，2014，（2）：100-100，101.
[3] 李金.磁性纤维混纺纱线的混纺比优化及织物舒适性研究[D].天津工业大学，2011.
[4] 金关秀.基于人工智能的纺织技术开发新途径[J].纺织科技进展，2013，（3）：11-14.
[5] 李金，荊妙蕾.利用Matlab遗传算法优化磁性纤维多元混纺纱的混纺比[J].天津工业大学学报，2010，29（6）：13-16.
[6] 李辉芹，巩继贤，黄故等.基于多目标优化的混纺织物设计研究[J].棉纺织技术，2009，37（6）：20-23.