国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

基于svm的織物透氣量分析方法
【專利摘要】本發明公開基于SVM的織物透氣量分析方法，它包括以下步驟：以下步驟：(1)測量不同噴嘴在不同壓差的透氣量，建立不同噴嘴的壓差-透氣量數據集合；(2)對采集到的壓差-透氣量數據進行預處理；(3)選擇徑向基RBF核函數，采用遺傳算法對不同噴嘴的SVM透氣量模型的懲罰參數C、核參數g進行優化選擇；(4)根據第(3)步得到的優化參數和第(2)步得到的數據建立不同噴嘴情況下對應壓差-透氣量的SVM預測模型；(5)利用(4)步的模型，對實時采集到的噴嘴兩端的壓差參數進行透氣量分析，分析數據進行反歸一化處理獲得織物的透氣量。本發明的技術方案創新性的提出了基于SVM模型進行織物透氣量分析計算的方法，解決現有壓差數據計算織物透氣量精度不夠，模型不準確的缺陷。
【專利說明】基于SVM的織物透氣量分析方法
【技術領域】
[0001]本發明屬于紡織品自動檢測領域，特別是涉及對織物透氣量利用SVM原理和方法進行透氣量分析的方法。
【背景技術】
[0002]織物透氣性是指當織物兩側存在壓差時，空氣從織物的氣孔透過的性能，織物的透氣性能通常采用透氣量來表示。透氣量是指織物兩面在規定的壓差下，單位時間內通過織物單位面積的空氣體積。空氣透過織物有兩條途徑:(I)是織物紗線間的空隙；(2)是紗線內纖維間的縫隙，一般以紗線間的空隙為主要途徑。透氣性的大小直接關系到織物舒適性的好壞。因此，透氣量的大小是衡量織物性能的一個重要指標參數。進行織物透氣性檢測的儀器為織物透氣量儀，如圖1是一種透氣量儀的結構圖，將待測織物I夾持在上腔室2頂端，夾樣時采用足夠的張力使試樣平整而又不變形，同時為防止漏氣在待測樣品的低壓一側應墊上密封墊圈3，在上腔室和下腔室6之間插入噴嘴4，啟動吸風機7，使空氣通過待測樣品，逐漸調節吸風機流量，使壓力降逐漸接近規定值，噴嘴兩端的傳感器5的測量壓差，根據測量到壓差計算透氣量。
[0003]測量得到壓差進行建模確定透氣量的一般模型是冪函數模型，該方法雖然在一定程度上能反映兩者之間的關系，但是擬合精度不高。如何根據壓差數據，構建準確的透氣量計算模型是透氣量測量中的關鍵。
[0004]由于不同噴嘴下的壓差-透氣量數據都是小樣本(低維)數據，而支持向量機的優點是能夠處理小樣本、非線性、高維數的問題，能夠克服如神經網絡中局部極小值的問題。SVM支持向量機方法通過一個非線性映射P，把樣本空間映射到一個高維乃至無窮維的特征空間中(Hilbert空間)，使得在原來的樣本空間中非線性可分的問題轉化為在特征空間中的線性可分的問題。簡單地說，就是升維和線性化。升維，就是把樣本向高維空間做映射，一般情況下這會增加計算的復雜性，甚至會引起“維數災難”，因而人們很少問津。但是作為分類、回歸等問題來說，很可能在低維樣本空間無法線性處理的樣本集，在高維特征空間中卻可以通過一個線性超平面實現線性劃分(或回歸)。一般的升維都會帶來計算的復雜化，SVM方法巧妙地解決了這個難題:應用核函數的展開定理，就不需要知道非線性映射的顯式表達式；由于是在高維特征空間中建立線性學習機，所以與線性模型相比，不但幾乎不增加計算的復雜性，而且在某種程度上避免了 “維數災難”。這一切要歸功于核函數的展開和計算理論。
[0005]本發明申請的技術方案為了解決現有壓差數據計算織物透氣量精度不夠，模型不準確的缺陷，創新性的提出了基于SVM模型進行織物透氣量分析計算的方法。

【發明內容】

[0006]本發明的主要目的就是為了解決現有織物透氣量測量分析過程中，通過冪函數建模分析透氣量與噴嘴間壓差數據精度不高的缺陷，提出基于SVM的織物透氣量的建模以提高擬合精度和預測精度。
[0007]實現上述發明目的的技術方案為:基于SVM的織物透氣量分析方法，該方法包括以下步驟:(1)測量不同噴嘴在不同壓差的透氣量，建立不同噴嘴的壓差-透氣量數據集合；(2)對采集到的壓差-透氣量數據進行預處理；(3)選擇徑向基RBF核函數，采用遺傳算法對不同噴嘴的SVM透氣量模型的懲罰參數C、核參數g進行優化選擇；(4)根據第(3)步得到的優化參數和第(2)步得到的數據建立不同噴嘴情況下對應壓差-透氣量的SVM預測模型；(5)利用(4)步的模型，對實時采集到的噴嘴兩端的壓差參數進行透氣量分析，分析數據進行反歸一化處理獲得織物的透氣量。
[0008]上述步驟(2)中進行數據預處理包括對壓差-透氣量的奇異數據剔除，及壓差-透氣量數據歸一化。數據歸一化的表達式為
【權利要求】
1.基于SVM的織物透氣量分析方法，其特征在于，該方法包括以下步驟: (1)測量不同噴嘴在不同壓差的透氣量，建立不同噴嘴的壓差-透氣量數據集合； (2)對采集到的壓差-透氣量數據進行預處理； (3)選擇徑向基RBF核函數，采用遺傳算法對不同噴嘴的SVM透氣量模型的懲罰參數C、核參數g進行優化選擇； (4)根據第(3)步得到的優化參數和第(2)步得到的數據建立不同噴嘴情況下對應壓差-透氣量的SVM預測模型； (5)利用(4)步的模型，對實時采集到的噴嘴兩端的壓差參數進行透氣量分析，分析數據進行反歸一化處理獲得織物的透氣量。
2.根據權利要求1所述的基于SVM的織物透氣量分析方法，其特征在于，步驟(2)中進行數據預處理包括對壓差-透氣量的奇異數據剔除，及壓差-透氣量數據歸一化。
3.根據權利要求1所述的基于SVM的織物透氣量分析方法，其特征在于，步驟(3)具體是首先建立初始SVM回歸預測模型，其懲罰參數CO、核參數gO ;再利用(2)步的數據進行訓練，根據訓練的均方誤差MSE值來調整懲罰參數C和核參數g，使其為最優值。
4.根據權利要求1所述的基于SVM的織物透氣量分析方法，其特征在于，步驟(3)中所 用徑向基RBF核函數是高斯函數
5.根據權利要求2所述的基于SVM的織物透氣量分析方法，其特征在于，數據歸一化的 表達式為
【文檔編號】G01N7/10GK103900927SQ201410121360
【公開日】2014年7月2日 申請日期:2014年5月5日 優先權日:2014年5月5日
【發明者】吳飛青, 俞恩軍, 張科峰 申請人:浙江大學寧波理工學院