张晓侠， 刘凤坤， 买 巍， 马崇启

(1. 天津工业大学 纺织科学与工程学院， 天津 300387； 2. 中国纺织信息中心， 北京 100020)

新时代我国经济发展的基本特征是由高速增长阶段转向高质量发展阶段。为响应国家号召，与我国经济发展相协调，提高产业经济效益，纺织行业也需要进行一定的结构调整。纺织业尤其是织造环节，提高织机效率是最有效地提高织造效益的措施，也一直是业内人士亟待解决的问题。BP神经网络在纺织领域不仅应用在原棉颜色分级、纤维识别、纱线和织物性能等的预测方面，在非织造布和针织物含水率、含油率预测等方面也有所应用[1-2]。

尽管国内外将BP神经网络应用于纺织领域的技术已经相当广泛，人工神经网络的理论基础也很成熟，但将神经网络用于预测织机效率在国内外研究还较少，这也是神经网络技术在织机生产状况预测领域的空缺。为此，本文应用BP神经网络建立织机效率预测模型，但BP神经网络存在收敛速度慢的问题，因此提出利用主成分分析先将众多输入参数进行降维，减少变量的个数，再结合BP神经网络(PCA-BP)进行织机效率的预测；BP神经网络存在易陷入局部最优的缺点，而遗传算法具有高效性、容错能力强和全局搜索性等特点，因此利用遗传算法改进BP神经网络(GA-BP)预测织机效率，克服BP神经网络寻优时的不足，避免局部收敛的情况；并对BP神经网络、PCA-BP和GA-BP预测模型的预测结果进行对比分析。

1 影响因素的选择

在纺织品生产加工过程中，织造生产的经济效益主要体现在织造的质量和织机效率上，而影响织机效率最关键的因素就是经、纬向停车[3]。……