纺织学报基于人工神经网络的服装结构设计胡觉亮\董建明\何瑛2，邹奉元2（1.浙江理工大学理学院，浙江杭州310018；。浙江理工大学服装学院，浙江杭州310018）用人工神经网络BP算法模拟样板师的经验和技术，用于女西裤的纸样设计，实现了从净体尺寸到成衣尺寸的自动映射，并且具有较高的映射精度。网络分为输入层、隐含层、输出层，隐含层可以是一个，也可以是多个。（XI，X2，…，Xn）为输入向量，（1，少2，…，Jn）为输出向量，Wi，W2分别为输入层与隐含层，隐含层与输出层连接权值矩阵，01，02为隐含层和输出层的阈值。

　　BP算法的学习过程分为2部分：1）正向传播过程，输入向量从输入层经隐含层处理后传向输出层，每一层神经元的状态只影响下一层的神经元状态。输入层单元以i编号，隐含层以j编号，输出层以k编号，则隐含层输出为Q二f \jiOi即为输入向量），同理，输出层输出为2）误差反向传播过程，将误差信号沿原来的神经元连接通路返回，返回过程中，逐一修改各层神经元连接的权值。这个过程是使网络实际输出与希望输出之间的误差平方和E*小化来完成，根据梯度下降法导出各个权重系数的调整量。误差平方和E为E二七（pk―Opk）（p为样本数编号）反传误差：二（k权值修正：大，能够加快网络的训练过程，但结果可能产生振荡。为了增大学习率的同时不至于产生振荡，一般在权值和阈值修正量中加入动量项V1ji（），aAw2kj（），《A01j（（），aA02k（），a为动量常数，它决定过去权重的变化对当前权重变化的影响程度。

　　通过网络训练，误差E达到要求后，各节点间互联权值就完全确定，此时网络就可以进丁相关的应用。

　　2基于BP算法的服装结构设计方法在传统的服装结构设计方法中，样板师大都依赖主观经验设计服装纸样。我国现行的服装纸样设计方法众多，比如：海峰免计算剪裁法、服装母型剪裁法、王海亮的服装制图技巧等，各方法都是对多年实践经验的总结，具有一定的合理性和可借鉴性。

　　然而，现有的打板方法往往所涉及的人体尺寸相对单一，提供的制图数据也相对较少，对于人体这样的复杂结构，企业很难设计出品质更高且高度适合个体的成衣，所以在现行的服装定制模，样板师往往是通过自己的经验根据个体消费者的体型特征对基本样板进行微调，这将直接导致定制生产的低效率和产品质量不稳定。

　　因此，若是能将样板师的经验通过计算机模拟和量化再现，用计算机来获得个体打板所需要的数据，将大大减少样板师的工作量。因神经网络可以用来模拟人脑神经细胞的功能，而且具有较强的存储和学习能力，可以充分逼近复杂的非线性关系，故采用人工神经网络BP算法对样板师的非线性经验进行学习和模拟以指导女西裤纸样的设计。

　　2.1神经网络输入输出向量的确定在传统的女西裤纸样设计中，所需的制图数据一般有臀围、腰围、裤长、裤脚口、直裆、前横裆、后横裆、后裆斜量、后裆起翘量等；所需的下身净体尺寸一般为净臀围、净腰围和身高。基于女性下体的复杂性，只考虑少数几个净体尺寸是不足于充分反映女性下体特征的2三维人体测量仪分批对250名不同体型的青年女性进行了净体尺寸的测量采样，然后样板师对这250个个体进行女西裤的样板制作，并通过多次修改样板和部分制作样衣操作得到了250个比较合体的纸样。把这250个个体的净体尺寸作为输入以及与之对应的纸样的成衣尺寸作为输出，从而组成网络的训练样本集。将其中200个作为训练样本，50个作为测试样本。

　　由于神经网络BP算法采用Sigmoid函数作为激励函数，而Sigmoid函数的输出值在（0，1）之间，所以对输出向量必须归一化。另一方面，由于输入向量各特征单位并不全都一致，所以输入向量也必须归一化。网络结构，输入层、输出层节点数为11和9（如21所述），隐含层节点数取10（根据经验公式：ni +w，nm分别为输入、输出层节点数，⑴为010之间的常数）。

　　学习率n为0.9，动量常数a为0.7，权值wi，W2，阈值01，02初始值为区间内的随机数。

　　3.2头验结果及分析网络实际输出与期望输出比较（体型1）为BP算法的训练误差曲线，均方根误差在训练5000次后达到了0.0501，满足误差允许范围。通过对50个测试样本的测试，在裤装结构设计允许的误差范围内，实验模型对裤装结构设计的准确设计率达到了88%泛化性能较好。选取部分测试样本比较如下（见表1）。

　　表1测试体型的净体尺寸体型腰围/on腰围高/om腰前距/om腰后距/tm臀围/om臀围高/tm臀前距/om臀后距/om后臀翅角（）直裆/om腹前距/tm163797. 9111993393872511078820.22951128表2网络实际输出与期望输出对比om体型及其输出腰围臀围直裆前横裆后横裆后裆斜量前省总量后省总量起翘量体型1期望值65值为通过神经网络映射得到的成衣尺寸值。为对体型1测试的神经网络输出和期望值的差异比较。从体型1和体型2两个有较大差异的人体西裤纸样的设计结果可以看出，结果基本满足实际需求，本文设计的方法是成功的。

　　4结束语运用人工神经网络BP算法模型来学习和模拟样板师进行服装结构设计的技术和经验，可实现服装结构设计所需制图数据的计算机自动生成，以减轻样板师的工作量，提高打板效率和服装适体性。通过对女西裤纸样设计的实验表明，该方法具有高效性和较高的精确度，相信更多的科学训练数据将会进一步改善该方法的精确度。FZXB