可与消费者产生互动的自由拼图变化的服饰图案的应用与研究

随着时代的发展和进步,网络信息化的交流使服装、服饰流行的步伐不断加快,与此同时,也使人们对服装的个性化方面追求更多,仅仅是款式、结构、材质上的变化已经不能完全满足人们的需求,而图案以其灵活的应变性和极强的表现性,使其在服饰中的地位更加重要。而人类审美的天性和审美的丰富性、差异性,必将导致服饰图案风格及手法的多样化。现代社会,随着科技的不断发展进步,现代人的审美心态的不拘一格,消费者开始越来越向往可以自主设计的图案服饰。从而可以考虑使拼图技术与服装相结合,从而达到让消费者自由变化服装图案的目的,也可以让消费者产生了很好的互动性。     

智能光变色服装原理及应用

近几年来光变色材料在服装中得到了越来越广泛的应用,生产变色材料的技术也日益成熟。本文简述了智能光变材料的概念及原理,介绍了国内外对智能光变色材料服装的研究成果,对近年来智能光变材料在服装应用上的发展及创新进行展开研究。     

基于模糊集的车用升降器开关面板注射成型保压曲线优化研究

研究了车用升降器开关面板制件产生翘曲变形的原因;通过选择保压曲线模型及参数进行正交实验设计并在Moldflow软件中进行模拟分析,得到了制件的翘曲变形量;通过对翘曲变形量进行极差分析,得到了极差分析优化法的最优工艺参数组合;利用模糊集（Vague 集）对体积收缩率标准差（δ）和最大体积收缩率（V_max）进行多目标优化,求取了Vague集优化法的最优工艺参数组合;并将不同优化方法得到的翘曲变形量进行了对比。结果发现,收缩不均是引起该制件翘曲变形的主要因素;极差分析优化法对应的翘曲变形量较正交实验中最小翘曲变形量降低了1.5 %,优化效果不明显;Vague集优化法对应的翘曲变形量较正交实验方案中最小翘曲变形量降低了26.5 %,制件内部压力分布无较大差异,优化效果优于极差分析法,很大程度上降低了该制件的翘曲变形程度。     

基于灰色关联分析的注塑工艺多目标优化及PSO–SVM预测模型的建立

针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度进行极差分析得到各注塑工艺参数对塑件综合目标(翘曲变形量及体积收缩率同时较小)的影响程度为:保压时间>注塑时间>模具温度>熔体温度>保压压力>冷却时间,同时由灰色关联度极差分析结果得出最优工艺参数组合,在最优工艺参数组合下的翘曲变形量相对于正交实验水平下最小翘曲变形量降低了11.8%,体积收缩率相对于正交实验水平下最小体积收缩率降低了5.9%。最后采用粒子群优化算法(PSO)优化后的支持向量机(SVM)神经网络模型对该塑件翘曲变形量及体积收缩率进行预测,通过与不优化的SVM神经网络及BP神经网络预测模型相比发现,PSO–SVM神经网络模型预测精度及稳定性都优于SVM及BP神经网络,可以用于塑件翘曲变形量和体积收缩率的协同优化,解决塑件实际翘曲变形及体积收缩问题。     

基于极差分析法与GA-ELM的电器连接器壳体注射成型工艺优化

以某电器连接壳体为例,借助Moldflow软件对正交试验方案组合进行模拟,对正交试验模拟结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度为:保压时间>模具温度>注射时间>熔体温度>保压压力.极差分析得到的最优工艺参数组合对应的翘曲变形量与正交试验方案中最小翘曲变形量相比降低了6.7％.关键点采用遗传算法优化后...