原液着色涤纶短纤维、纱线及织物的颜色预测OA北大核心CSTPCD

为探究纤维在加工成纱线和织物之后的颜色差异,文章通过测色仪采集原液着色涤纶短纤维、纱线和织物的L、a、b值,并运用神经网络的方法实现纤维、纱线和织物之间的颜色预测。分别以纤维与纱线、纱线与织物、纤维与织物的L、a、b值作为网络输入和目标,比较了不同训练算法的网络性能;利用控制变量法调整神经元数量和传递函数等,以最小化均方误差与最小色差为目标,确定较合理的网络结构。结果表明:trainlm(Levenberg-Marquardt)训练算法的网络输出与目标之间的均方误差最小,适合作为网络训练算法。隐层神经元数量在100时,样本数据网络输入与隐层、隐层与输出的传递函数分别为tansig和purelin时,均方误差最小且预测与真实值之间的平均色差较小;3个训练组的平均色差均小于0.7,表明网络预测效果较好,研究结果在企业对于纤维、纱线到织物生产过程中颜色把控具有一定的参考价值。