在计算机智能服装制造系统中，存在着许多优化、数据挖掘等问题。《计算机服装智能制造系统中的智能计算与应用》作者采用智能计算技术对计算机智能服装制造系统中的优化调度、优化排料等问题进行了研究，详细阐述了智能计算方法及其在计算机智能制造系统中的应用。全书共分八章，第一章为绪论部分；第二章叙述了制造系统中智能节点和自治体的概念、基于多自治体的服装制造系统的构成等；第三章介绍智能计算技术，如神经网络、模拟退火算法、遗传算法、粒子群算法等；第四章至第八章分别讨论了服装的三维设计到二维衣片的数据转化、优化排料问题、缝制车间的优化调度问题、铺布与裁剪过程的优化调度问题、服装面料的聚类分析等。
《计算机服装智能制造系统中的智能计算与应用》可作为高等院校服装专业、控制理论与控制工程专业研究生的教材，也可作为自动化专业高年级学生智能计算课程教材，还可作为相关教师和工程技术人员的参考书。
计算机服装智能制造系统中的智能计算与应用
第1章 绪论
20 世纪70 年代以来, 计算机辅助下的服装打板、推板排料、自动裁床、单元吊挂系统等技术得到了发展及应用, 极大地提高了服装生产效率。随着网络经济的来临，反应速度成为服装市场竞争的关键因素，计算机辅助下的服装工业生产仍存在一些阻碍反应速度的问题，例如设计和打板系统彼此孤立、对使用者专业水平要求高，自动裁剪工序前后需大量的人工准备工作，工艺设计缺乏动态优化等，极大地影响了服装生产的效率和质量。人工智能(AI)广义地讲就是用计算机模拟和再现人类的某些智能行为。经过40多年的发展，AI技术已在航空航天、机械制造、建筑设计等领域广泛应用，而在服装这一柔性体加工领域的应用相对滞后。如何运用人工智能技术解决服装工业生产中存在的问题是当前相关领域科研人员的研究热点。人工智能离不开计算机技术的支持，这里针对计算机辅助下的服装生产中关键环节进行分析，介绍相关智能技术的应用研究和最新方法。在此基础上，提出了智能化服装CAD 系统的构想。
1.1服装工业生产技术的智能化发展
计算机辅助下的服装工业生产包括计算机辅助设计(Computer Aided Design，CAD)、计算机辅助工艺规划( Computer Aided Process Planning，CAPP) 和计算机辅助制造(Computer Aided Manufacture，CAM) 等传统模块，随着网络技术、智能技术的发展和应用，一个以信息流为核心，从设计制造、生产管理到市场营销数字化、集成化的新型生产模式正在成为服装工业的发展方向。这里将讨论重点放在涉及服装柔性体特征的关键环节，如CAD、CAPP、CAM 阶段。针对这些环节的生产现状和智能技术的应用研究分别进行讨论。
1.1.1服装CAD系统的智能化
服装CAD的研究属于计算机在服装工业上应用较为成熟的领域，主要包括打板、放码（推板）、排料系统。部分CAD公司推出了款式设计系统和三维试衣系统。款式设计系统提供各种绘图工具、图像处理和换面料技术，供服装设计师进行服装效果图绘制；绘制好的效果图经评审，不满意的款式被淘汰或修改，满意的款式则由打板师利用打板系统对其进行再创作。打板系统提供各种辅助操作，如省道转移、打褶、放缝、对格对条、圆顺曲线等功能，提高样板生成速度；最新的三维（3D）试衣系统可将打好的二维（2D）样板缝合到3D人体模型上，穿衣模型可以多视角旋转，即时显现2D样板效果；放码系统根据推板规格，瞬间完成放码功能。排料系统可以快速完成多种排料方案，以便企业成本控制。
总体来讲，现有CAD系统主要提供辅助绘图和计算功能，立体可视化和智能化正在成为CAD系统的发展趋势。目前针对可视化的研究成果较多，如面料悬垂性、动感模拟、2D样板与3D款式的相互转换、虚拟交互设计等；针对智能化的研究主要取得了一些局部智能功能的实现，如日本YUKA公司的打板系统的自动打板功能：先选定某种款式，输入胸围、腰围等关键尺寸，相应的板型就自动生成，即度身定做。其实现原理是将专家对某种板型的打板过程存储在计算机中，然后根据不同的关键部位尺寸重复执行该过程，实现固定款式的自动生成。有些排料系统可将人机交互获得的优化方案存储、添加到自动排料方案中，实现一种“学习”功能。
智能化服装CAD是使CAD系统能够在某种程度上具有设计师般的智能和思维方法，而不单单是一个重演过程，从而把设计自动化引向深入。服装CAD系统要实现智能化，仍有很多问题有待解决：款式设计和打板两系统是以鼠标、计算机屏幕等新工具代替传统画笔、剪刀，实现了设计人员工作过程的再现，使用熟练过程需要一定时间，仍需要专业人员操作，缺乏智能性；两个系统彼此孤立，款式系统负责设计意图的视觉表达，打板系统负责款式图的工艺实现，需要不同专业人员进行二次创作建立联结；排料系统的智能优化学习功能也有待提高。智能化的款式设计系统应该是建立在对设计师思维活动充分研究和把握的基础之上，运用计算机技术对这种形象创作思维进行模拟，使系统能根据设计要求自动生成符合要求的款式。智能化的打板系统可以是建立在模型库基础之上的专家打板系统，将款式系统和打板系统实现功能的合并，通过对款式图的模式识别分类与打板库联结，运用推理机制自动生成2D板型。
1.1.2服装CAM 系统的智能化
20世纪60年代末~70年代初，服装机械供应商开始推出计算机辅助裁剪和缝制技术。该项技术可以实现布匹自动拾取，利用自动铺料机进行无张力铺料，用数控(NC)裁刀进行裁剪，然后由人工将裁片层层剥离开，按照缝制顺序挂到UPS(Unit Production System)的吊架上，UPS将裁片沿轨道运送至各个车位缝制，车位工人的状态信息由反馈装置送回电脑控制中心，通过人机交互的方式调节UPS的运输平衡。自动裁剪和吊挂缝制系统大大提高了服装的裁剪精度和缝制加工效率，但是其中大量的人工辅助操作影响了整个系统高效性的发挥，主要体现在裁剪排序和裁片分离两个瓶颈阶段：第一，自动裁剪设备往往由多台铺料机与一台裁剪机协调工作，彼此的工作顺序需要安排，如果设备之间的工作次序安排不当，就会出现等待延误时间，从而影响生产效率。实际生产中的排序通常由人工进行，工序安排花费时间长且达不到最优。第二，当数控裁床完成裁剪任务以后，成叠的裁片需要人工进行分片，按缝制顺序挂在UPS的吊架上。这种人工分离裁片的过程占用了大量的生产时间，降低了生产效率，并且容易出错。针对这些问题，可以考虑运用遗传算法、智能自主体、神经网络等人工智能技术加以解决。Wong［1］等人将遗传算法(GA)运用于裁剪排序问题：他们把每一项待排序的任务看做一个基因，一种任务排列顺序就是一个染色体，每个染色体有一个评估值E:
E=∑Nn=1C(xn)+∑Nn=1I(xn)－∑Nn=1∑Mm=1S(xnm)(1-1)
式中，C(xn)——裁剪时间；
I(xn)——等待时间；
S(xnm)——xn任务在m号铺料机上的准备时间。
首先由计算机随机产生不同的排序顺序(染色体)，构成第一代群体；为了防止过早收敛，用线性标准化法将染色体评估值E转换为适合度Fi：
Fi=C+(i－1)di=1,2,…,S(1-2)
式中，C——初始常量；
S——群体数量；
d——E值线性下降的斜率。
用适应度比例法选择交配个体，经过交叉、变异产生后代直至迭代过程收敛，算法结束。最优排序模型是总裁剪时间、等待时间最小，如果铺料时间∑S(xnm)小于或等于裁剪时间∑C(xn－1)，裁剪机就可以持续不断地工作，反之，等待时间I(xn)产生。在实际应用过程中，用GA方法可以产生无等待时间的排序任务，大大优于手工排序。
针对人工分离裁片工作，Czarnecki 研制了一个双功能机器人工作单元［2］，该机器人工作单元由高架移动轨道装置和分片拾取装置集成，能实现如下功能：①准确分开拾取成叠裁片的最上面一层，同时保持下层裁片不动。②将拾取的裁片挂到UPS的吊架上。采用离线程序控制机器人工作单元，控制软件根据任务描述(CAD阶段的设计信息和缝制顺序安排)自动生成机器人行动程序，使机器人能够准确无误地将自动裁床裁好的衣片按加工顺序分开拾取，送到UPS装置上。由于该机器人控制程序的智能化生成，特别适合于中小批量、多品种的服装生产。另外，在服装的整个加工过程中，对面料的手工操作如搬运、拾取、摆放、层叠等占据了大概70%的生产加工时间，而且按照严格的生产控制标准，某些环节中面料的摆放误差要控制在1mm以内。要提高服装生产效率和精确性，就要考虑用智能化的操作过程代替人工过程。这些人工过程中面料通常都是与光滑表面接触的，但Shenoy［3］认为，如果面料被摆放在粗糙表面上，会有利于面料摆位的控制。他设计了一个实验装置，用皮带传动装置拖动一块面料条在普列克斯玻璃上线性滑动，并用质量块的运动模拟面料的振动，用弹簧模拟摩擦反馈补偿建立模型。面料的拖动操作作为控制输入，面料的摆放位置作为控制输出，摩擦补偿作为前向反馈，用神经网络自适应控制器进行控制，通过激光边缘检测装置检验表明，比传统的PID控制器具有更好的面料轨迹跟踪及对面料特性变化的鲁棒性。
1.1.3服装CAPP系统的智能化
服装CAPP是连接服装CAD和CAM的桥梁，根据不同设计款式的加工要求，平衡合理地安排设备和人员劳动，使服装的设计信息转换成服装的加工信息。最初在计算机辅助服装工业生产的研究中并没有很明确地分出CAPP模块，随着服装工业集成制造、灵敏制造的发展要求，工艺设计作为生产过程技术准备的重要环节，其信息化、智能化发展成为必然。
目前我国的计算机辅助服装工艺设计尚处起步阶段，杭州爱科、北京六合生等少数几家公司推出的商业化CAPP模块，可提供在电脑上编制、设计、修改、管理工艺文件和图表，由于我国CAM技术的严重滞后，也只能是屏幕上谈兵——实现工艺设计过程的电脑重演。瑞典ETON、美国GGT、法国LECTRA等公司的工艺设计系统可实现与CAM系统的集成，根据不同款式要求进行工序分解，自动计算劳动时间和成本，将设计结果传送给单元生产系统，实现对吊挂运输及缝制生产线的控制。
工艺设计的主要目的是实现流水线的平衡和优化、降低成本、提高效率。信息化服装工业生产要求服装CAPP具有：①满足多品种小批量服装生产导致的产品结构和工艺变化大而周期短的设计要求。②除了初始工艺设计优化外，要有始终保持流水线动态平衡的能力。也即要求CAPP具有能够根据环境、任务的变化产生实时反应的智能性。目前与CAM系统集成的CAPP模块多是建立在工艺设计经验基础之上的原型系统，当流水线上出现因人员误工或机器故障等因素造成工序平衡破坏、需要不断重新调整时，这些模块缺乏智能化自调节动态平衡的能力，仍需要人工进行交互设计，极大地影响了生产效率。Czarnecki等人尝试对服装加工过程进行动态模拟，运用智能代理体控制流水线的平衡，取得了很好的效果。他们首先对流水线知识进行表示：把流水线的一系列操作用O表示，其特性由操作者OP和机器M两个数组描述，流水线的排序问题就可表达为：
O1({Op1,Op2,…,Opn},{M1,M2,…,Mn})≥O2({Op1′,Op2′,…,Opn′},{M1′,M2′,…,Mn′})
即不断为操作工序安排操作者和设备，直到满足工艺约束条件：操作O1必须在操作O2之前完成。为了维持流水线的动态平衡，在流水线上安排一些机动任务作为缓冲，当各工序的操作时间稍有不平衡时，可通过机动任务维持平衡，但当出现大的波动时，机动任务会很快被消耗，智能代理体监测到这一情况后，立刻根据约束满足算法调整流水线使其重新达到平衡。
另外，对于接受订单加工的服装企业，其生产进度和流水线安排时时处于变动之中，工艺设计安排还可以考虑运用神经网络、遗传算法等人工智能技术加以解决，如：Chen等将基于模拟退火概念的启发式解决程序用于服装企业生产进度安排问题［4］，Chan等将遗传算法用于缝制流水线的平衡问题［5］等。
……
第1章 绪论
1.1 服装工业生产技术的智能化发展
1.1.1 服装CAD 系统的智能化
1.1.2 服装CAM 系统的智能化
1.1.3 服装CAPP 系统的智能化
1.2 智能技术应用于服装工业生产的几点构想
1.2.1 智能技术应用于服装工业生产的难点
1.2.2 智能化服装CAD 系统框架
参考文献
第2章 基于多自治体的服装集成制造系统
2.1 引言
2.2 基于多自治体的服装集成制造系统的设计思想
2.3 自治体的基本结构
2.4 基于Web的服装生产集成管理
2.5 集成管理系统的关键技术
2.5.1 中间件服务
2.5.2 数据库访问中间件
2.5.3 Servlet的技术实现
2.6 基于多自主体的服装集成制造系统
2.6.1 系统的网络模型
2.6.2 JSP/Servlet访问方法
2.7 系统的总体框架结构
2.8 结束语
参考文献
第3章 智能计算技术
3.1 BP神经网络
3.1.1 BP神经网络概述
3.1.2 BP神经网络的学习
3.1.3 BP神经网络举例
3.2 Hopfield神经网络
3.2.1 Hopfield神经网络的结构
3.2.2 Hopfield网络求解优化问题的思想
3.2.3 Hopfield网络求解FMS调度问题
3.2.4 旅行商问题(TSP）的Hopfield网络求解
3.3 模拟退火算法
3.3.1 模拟退火算法简介
3.3.2 基于Hopfield优化模型的模拟退火求解算法
3.4 遗传算法
3.4.1 遗传算法简介
3.4.2 遗传算法举例
3.5 粒子群算法
3.5.1 引言
3.5.2 改进的PSO算法优化
3.5.3 算法性能准则
3.5.4 对于有约束优化问题的求解算法
3.5.5 优化问题应用
参考文献
第4章 上衣纸样设计的神经网络方法
4.1 引言
4.2 基于神经网络的上衣样板设计方法
4.2.1 实验步骤
4.2.2 神经网络结构及学习算法
4.2.3 基于MATLAB的神经网络权值学习
4.3 网络的测试与结果分析
4.4 结论
参考文献
第5章 基于人工智能的优化排料系统
5.1 研究背景和意义
5.1.1 排料问题的研究背景
5.1.2 研究排料问题的意义
5.2 国内外研究历史及现状
5.2.1 国外研究现状
5.2.2 国内的研究现状
5.2.3 国内外服装排料技术的研究趋势
5.3 解决二维排料问题的常用算法
5.3.1 针对不规则形状排料问题的局部优化算法
5.3.2 启发式方法
5.3.3 排样问题的技术难点
5.4 遗传粒子群算法在二维不规则排料中的应用
5.4.1 实例
5.4.2 排料布局的编码方式
5.4.3 适应度函数
5.4.4 多边形面积的计算
5.4.5 数据的存储形式
5.4.6 种群及参数的初始化
5.4.7 交叉算子
5.4.8 选择运算
5.4.9 变异算子
5.5 基于虚拟力的遗传粒子群算法
5.5.1 利用遗传粒子群算法的结果和分析
5.5.2 基于虚拟力的遗传粒子群优化算法
5.6 总结
参考文献
目录
ⅲ
ⅳ计算机服装智能制造系统中的智能计算与应用
第6章 服装缝纫吊挂生产线的遗传调度技术研究
6.1 引言
6.1.1 问题的提出
6.1.2 服装缝纫吊挂生产线调度技术的相关研究
6.1.3 存在的问题和解决方案
6.2 服装吊挂线及生产工艺的研究内容
6.2.1 缝制系统的生产方式
6.2.2 服装吊挂生产系统的工艺适应性
6.2.3 吊挂生产线的生产结构特点
6.2.4 服装吊挂生产系统的工艺设计方法
6.2.5 吊挂系统与传统的流水线比较
6.2.6 目前国内外服装吊挂生产系统产品介绍
6.3 服装缝制生产工艺计算机辅助编排与计划的主要研究内容
6.3.1 流水线生产的特点和组织条件
6.3.2 服装流水生产线的组织设计
6.4 基于遗传算法的服装生产调度优化系统
6.4.1 服装缝纫流水线的调度研究
6.4.2 流水线调度的目标函数
6.4.3 流水线调度目标函数的优化原理
6.4.4 遗传算法的求解
6.5 计算实例及服装缝制调度优化系统
6.5.1 设计系统功能及使用方法介绍
6.5.2 系统计算结果部分
6.5.3 吊挂生产线动态模拟
6.6 优化设计的应用实例——男式衬衫
6.7 结论
参考文献
第7章 铺布与裁剪服装生产过程的遗传优化调度
7.1 引言
7.2 计算机铺布与裁剪服装生产系统过程
7.3 基于遗传算法的铺布与裁剪顺序优化方法
7.3.1 问题的表达
7.3.2 种群的初始化
7.3.3 交叉与变异算子
7.4 适应函数与子代的复制方法
7.5 实验结果及讨论
7.6 结论
参考文献
第8章 服装面料的智能聚类研究
8.1 服装面料变形舒适性的粒子群聚类研究
8.1.1 粒子群算法
8.1.2 C均值算法
8.1.3 粒子群聚类算法
8.1.4 粒子群聚类举例
8.2 服装面料性能的模糊聚类研究
8.2.1 模糊数学基础
8.2.2 基于模糊等价关系的聚类研究
8.2.3 遗传模糊C均值聚类研究
参考文献
