肖远发，于伟东

精纺毛织物加工中，后整理对织物外观质量和风格特征起决定性作用，其加工工艺和参数的选择非常重要。目前，工艺参数的选择一般凭经验，客观性和准确性差，而工艺流程与参数的确定是优选和系统问题，存在多重因素。除了羊毛原料、纱线品质和产品设计规格外，后整理工艺是提高和改善实物产品质量的关键。合理的后整理工艺，能使羊毛的优良性能得以发挥。BP(Back-Propagation)网络是由非线性传递函数神经元构成的，是采用误差反传作为其学习算法的静态前馈网络。由于神经网络具有并行处理的功能和良好的非线性映射逼近性能，近来在预测技术中得到重视与应用。本文尝试应用BP神经网络建模，根据已知原料、纱线的品质和后整理工艺参数预测织物的质量，根据织物质量反演工艺参数和原料参数，对加工工艺参数和原料参数进行优化，为生产加工提供指导。

1 精纺后整理质量预报与反演模型的确定1．1 预报与反演模型的输入输出参数1．1．1 预报模型的输入输出参数预报模型的基础是输入参数的筛选和转换函数(输出函数)的确定。本模型运用企业中实用并能较全面反映出织物质量的8个指标：经向缩水率、纬向缩水率、折皱弹性角、经脱缝、纬脱缝、落水变形、经向汽蒸收缩率和纬向汽蒸收缩率作为输出参数，即预测参数。而输入参数包括原料、纱线品质和后整理工艺参数等近40个参数，按其对上述8个输出参数的重要性筛选所得。将纤维长度及长度离散、纤维细度及细度离散、经纱线密度、纬纱线密度、经纱捻度、纬纱捻度、经密、纬密、浮点长、洗缩时间、煮呢时间、蒸呢时间和压力组合共14个参数作为输入参数。在对不同指标预测时，要进行筛选，最后确定总的主要输入指标数或输入参数。1．1．2 反演模型的输入输出参数反演作为预报的反过程，其实质是把织物质量指标作为输入参数，原料参数或工艺参数作为输出；其目的就是进行工艺的优化。本模型选用以上所提及的8个指标作为输入参数。预