基于SVM理论的涤纶织物分散染料上染率模型研究.pdfVIP

浙江理工大学学报，第30卷，第1期，2013年1月 of Sci-Tech JournalZhejiang University V01．30，No．1，Jan．2013 文章编号：1673—3851(2013)01—0016—05 基于SVM理论的涤纶织物分散染料上染率模型研究 巫静8，田彦杰6，汪澜8，林俊雄6 (浙江理工大学，a．先进纺织材料与制备技术教育部重点实验室；b．机械与自动控制学院，杭州310018) 摘要：以分散红FB对涤纶织物染色为例，利用在解决小样本、非线性及高维模式识别中表现出许多特有优点 的支持向量机(SVM)理论，建立了涤纶织物分散染料染色工艺因素一上染率多因素模型。并通过实验进行验证，其 结果表明：实验值与模型预测值的相关系数达到了0．9778，误差均在3％以内，说明该数学模型具有较高的精确度， 能较准确地反映分散染料对涤纶织物的实际上染情况，并可预测染色结果。 关键词：涤纶织物；分散染料；上染率；支持向量机；多因素模型 中图分类号：TSl90．9文献标志码：A (SVM)理论，该理论是建立在统计学习理论的VC 0 引 言 维理论和结构风险最小原理的基础上，即根据有限 近年来，印染企业往往因染色一次成功率低导 的样本信息在模型的复杂性和学习能力之间寻求最 致染色过程中出现重染、修色、剥色改染等情况，从 佳折衷。SVM理论能够尽量提高学习机的推广能 而增加了额外的能耗和排放。在纺织品染色过程 力，即使由有限数据集得到的判别函数对独立的测 中，染料的上染率主要受系统因素和工艺因素两方 试集仍能够得到较小的误差。与其他学习机相比， 面影响[1]。在固定系统因素的实际生产中，一般靠 SVM具有较好的泛化能力、非线性处理能力及高维 人工经验调节工艺参数来改变染料上染率，故很难 处理能力[3]，故特别适合用于影响因素多、且样本不 保证染色品的质量。因此建立染色工艺因素与染料 够均匀的染色过程中。 上染率的数学模型，精确预测染料上染率，适当调整 1 实验部分 相应工艺参数，使染料充分上染，是提高染色一次成 功率的有效途径[2]。 1．1材料与药品 目前国内在染色工艺因素与染料上染率的数学 涤纶织物(涤平纺)；200％分散红FB(浙江龙盛 模型方面研究较少，国外在这方面虽有一些进展，但 主要针对温度因素对上染率的影响而建立染色温 皂片(32业品)等。 度一上染率单因素模型，忽略了其他工艺因素对上 1．2仪器与设备 染率的影响，故在实际生产中无法准确地预测上染 IR一12红外染色机(台湾新瑞开发科技有限公 率。因此，本文以分散红FB对涤纶织物染色为例， 司)，UV-2 首先建立涤纶织物分散染料染色工艺因素一上染率 多因素模型，然后通过实验验证该模型的准确性和 可行性。 本文建立的多因素模型基于支持向量机 (天津市天有利有限公司)等。 收稿日期：2012一06—11 基金项目：国家自然科学基金 作者简介：巫静(1987一)，女，江苏扬州人，硕士研究生，主要从事新型染整技术研究。 通信作者：汪澜，E-mail：wlan_cn@yahoo．conl,cn 万方数据 第1期 巫静等：基于SVM理论的涤纶织物分散染料上染率模型研究 1．3实验及测试方法 就在某种意义上避免了“维数灾”[6|。少数支持向量 1．3．1染色工艺处方 决定了最终结果，这不但可以帮助我们抓住关键样 分散染料／％(owf)2； 本，“剔除”大量冗余样本，而且注定了该方法不但算 扩散