麻灰紗色纖維混合模型分析.pdf

1、目前大部分企業(yè)仍然采用手工配色實現色紡紗的配色，嚴重地制約了企業(yè)的生產效率和發(fā)展。針對色紡行業(yè)配色難這一問題，本課題以麻灰紗為例，對纖維混合的模型進行系統的分析。麻灰紗的原料分別采用黑色粘膠纖維與白色粘膠纖維混合，黑色粘膠纖維與白色滌綸纖維混合，探討纖維原料的不同對色纖維混合配色的影響。
　　本課題一方面運用DATACOLOR MATCH系統模擬染料的測色配色方法對麻灰紗的配方進行預測，預測結果良好，另一方面，基于顏色混合模型中的

2、庫貝爾卡-芒克雙常數理論求出麻灰紗中的色纖維的吸收系數K、散射系數S，進一步實現混合能纖維的配色，結果表明K-M雙常數理論對色纖維的混合配色有一定的適用性，但也存在單色纖維的擬合反射率與真實反射率差異大的問題;另外，課題選用Origin軟件非線性擬合的功能，對麻灰紗不同波長下的反射率ΣR值和色纖維的質量比例關系進行分析，選擇了Origin軟件中的指數函數下的三種函數形式對其擬合，分別對比三種函數形式對單組份和雙組份麻灰紗的有效性，發(fā)現擬

3、合曲線的決定系數均達到0.95以上，并且最終選擇了y=y0+A1e-x/t1+A2e-x/t2函數形式;另外，鑒于3層BP神經網絡在隱節(jié)點數足夠多的情況下具有模擬任意復雜的非線性映射的能力，論文首次將神經網絡應用在色紡紗的反射率值與色紡紗的色纖維質量比例關系分析方面，發(fā)現BP神經網絡的配色功能強大，其單/雙組份麻灰紗配色誤差控制在5％之內，但是該神經網絡也表現出弊端，比如運算時間慢，甚至耗時幾分鐘。為此，我們在BP神經網絡的基礎之上，結

4、合遺傳算法進行改進，發(fā)現改進后的神經網絡在運算速度上大大提高，在訓練的精度上也有一定程度的提升。
　　課題將上述五種方法進行配色對比，結果表明，無論是單組份麻灰紗還是雙組份麻灰紗的配色，Ga-BP神經網絡的配色結果最佳，配色誤差整體偏小，其次是Origin非線性擬合的方法，但該方法在小比例色紡紗的配色誤差較大，但配色誤差的平均值仍然較小，接著是K-M雙常數理論、BP神經網絡、計算機系統配色，三者配色誤差差別不大。
　　本課題