毛精纺前纺工艺参数重要性的BP网络定量评价法刘贵1，于伟东1,2(1.东华大学纺织材料与技术实验室,上海;武汉科技学院纺织与材料学院,湖北武汉)摘要（小五黑体）在BP神经网络建模技术的基础上,提出利用神经网络输入层与输出层之间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺企业前纺工艺参数运用BP神经网络分别建立了粗纱CV值和粗纱单重的预测模型。结果表明：所建模型的平均相对误差都低于3%；采用样本数据验证,其预报值与实测值间的相关系数都高于0.95。对所建模型的网络权重进行提取,分别计算出13个输入参数对粗纱CV值和粗纱单重的重要性,挖掘出显著而有效的参数。经对比认为，BP网络法比多元回归显著性分析(MRSA)更为精准，可用于对实际生产加工的预报和控制。（小五宋体）关键词（小五黑体）毛精纺；前纺工艺参数；模型；BP神经网络；定量评价法（小五宋体）中图分类号（小五黑体）：TS131.9（小五宋体）文献标志码（小五黑体）：Quantitativeevaluationmethodforthesignificanceofworstedfore-spinningparametersbasedonBPneuralnetworkLIUGui1，YUWeidong1,2（五号）(1.TextileMaterialsandTechnologyLaboratoryDonghuaUniversity,Shanghai,China;2.DepartmentofTextilesandMaterials,WuhanUniversityofScienceandEngineering,Wuhan,Hubei,China）AbstractBasedonBPneuralnetworkmodeltechnology,anewapproachwasdevelopedandappliedtoappraisetheinputparameters′significantdegreethroughtheweightinessanditsdistributionbetweentheinputandoutputlayer.Usingthefore-spinningworkingproceduredatagatheredfromtheworstedtextilesenterprise,therovingunevennessandweightpredictionmodelswereestablishedrespectively.Theresultsindicatedthatthemodels′meanrelativeerrorsarealllessthan3%;thecorrelationcoefficientR2betweenthepredictionvalueandtheactualareallmorethan0·95.Usingtheweightinessextractedfromtheestablishedmodels,the13inputparameters′significancetotherovingunevennessandweightwerecalculatedrespectively,andtheremarkableandeffectiveparametersareexcavatedout.Meanwhilecontrastingtothemultivariateregressionsignificanceanalysis(MRSA),theBPneuralnetworkmethodismoreexactthanMRSAandcanbeusedintheforecastandcontroloftheactualproduceandmanufacture(小五)1收稿日期（黑体小五）：2007-03-10修回日期：2007-05-16（由编辑部填写）基金项目（黑体小五）：国家经贸委创新项目（02CJ-14-05-01）基金名称（基金编号）(楷体小五)作者简介（黑体小五）：刘贵（1983—），男，博士生。主要研究方向为毛精纺加工过程建模及其职能决策预报与控制。于伟东，通讯作者，E-mail:wdyu@dhu.edu.cn。第一作者姓名（出生年—），性别，职称，学历。主要研究方向。通讯作者姓名，E-mail。KeywordsDoubleglow;Artificialneuralnetwork;Predictionmodel(小五)（正文五号宋体,单倍行距）对精毛纺织厂而言,前纺工序作为整个加工过程的第一环节,其加工质量对后道工序将产生直接影响。根据实际生产经验,细纱的条干不匀率和细纱机的断头率相对于末道粗纱的质量呈显著的线性关系[1],故控制前纺各工序的半制品不匀率,特别是末道粗纱的不匀率是毛纺厂十分重要的质量监控措施[2]。目前企业主要以经验为主,通过传统的测量和记录、肉眼观看与估计、设备的调整和人力的补充等原始的方法实现,不能对大量积累和不断产生的数据进行系统整理、综合分析与客观决断,也无法确切地找出产生问题的原因及实际解决方法[3]。本文针对影响粗纱质量的毛条回潮率、毛条含油率、纤维平均直径、直径离散系数、纤维平均长度等13个指标参数,将采集到的企业实际生产数据,运用BP网络建立预测模型,提出利用网络各层间的权重及其分布,计算出各参数对产量质量指标的影响程度,并对比多元回归分析,效果较好。1网络定量评价法（四号黑体，3倍行距）BP神经网络(Back-Propagation)是指基于误差反向传播算法的多层前向人工神经网络[4]。对于任何在闭区间的1个连续函数都...