半紧身裙造型特征主观评价的群体决策与预测

提出半紧身裙造型特征主观评价指标为形式感、体量感、平衡感、运动感、悬垂感、节奏感、稳重感、均匀感、贴体感、平服感等。以18位服装设计师、服装工艺师和服装销售专家组成专家评判组对41种不同面料构成的半紧身裙造型特征作出主观评价,通过群体决策得到半紧身裙的总造型值(TSV),用BP神经网络构建了半紧身裙总造型值的预测模型。将FAST系统测量的面料力学性能指标作为神经网络模型的输入层,总造型值作为输出层。通过对任选8只样本的预测值和实测值的线性回归分析发现,该模型有很好的预测精度。     

礼服裙摆面料用量预算研究

根据长度和款式不同将礼服裙摆的裁剪方法划分为4类,即圆弧形裁剪法、斜角裁剪法、对边裁剪法、漏斗型裁剪法.然后对每一种方法进行研究分析,并列举了3款实例进行解析,根据款式特点选择合适的裁剪方法即可计算出大致用料量.     

面料性能与大波浪斜裙裙摆下垂量的关系研究

选取17种常见面料采用同一样板,制作出大波浪斜裙,并分别从5个不同的角度测试趋于稳定时的裙摆下垂量.通过分析研究,结果表明:不同的面料,质量及厚度越大,面密度、弯曲刚度、悬垂系数及硬挺度越小,则大波浪斜裙裙摆下垂量越大;由同一面料制成的大波浪斜裙,45°丝缕方向上的下垂量最大,22.5°和67.5°丝缕方向上的下垂量次...     

基于AutoCAD参数化功能的A型裙样板自动化生成

为更好地实现AutoCAD参数化功能在服装行业大规模个性化制版中的应用,针对A型裙样板难以参数化的问题,采用单圆弧拟合腰围线、双圆弧拟合摆围线的方法,构建A型裙结构的参数化模型。通过对约束方法的分析比较,提出参数化约束原则,解决AutoCAD参数化功能应用时存在的运行缓慢、紊乱和卡死等问题。根据AutoCAD参数化功能特点,给出A型裙样板参数化设计方法,实现具备规格变化、摆围大小调整、摆围线形状变化、放缝、面料经向选择等功能的A型裙样板自动化生成。研究结果表明:基于AutoCAD参数化功能的A型裙参数化样板,操作简易直观,可显著减少制版时间,提高工作效率,满足服装个性化定制的快速制版要求。     

织物性能与服装结构对喇叭裙外观形态的影响

为了掌握优化喇叭裙外观形态的织物性能和服装结构参数变化的规律,采用2种织物性能对比明显的面料,通过实验研究裙片数量、裙长等服装结构参数变化对喇叭裙外观形态的影响。结果表明:硬挺面料相对柔软面料做的喇叭裙的裙摆宽度要长、裙摆张角要大、波纹的总均匀程度要好;喇叭裙随裙长的减短,裙摆的张角明显变大,波纹逐渐变得均匀,波纹的形状变平,逐渐不明显;随着裙片数的增加,喇叭裙的波纹均匀程度明显变好,尤其是柔软的面料。     

织物及其复合材料的弹道冲击性能

由高韧性、高强度、高模量纤维制成的织物及其柔性复合材料具有优良的抗冲击能力和较轻的重量,广泛应用于冲击发生的场合,如涡轮机叶片、机身保护、个体防护。研究表明,材料特性和材料的组成方式影响弹道冲击性能。回顾了影响织物及其复合材料弹道冲击特性的因素,特别是纤维束的材料特性、织物的结构、子弹的几何形状和速度、靶板的固定方式和弹体与靶板的摩擦力,对抗冲击性材料的优化设计具有一定的指导作用。     

基于KES的服装面料性能关系与预测研究

通过面料的物理性能测试及对人体的压力试验,对测试数据进行相关分析,得出面料物理性能参数与面料对人体的压力间的相关性:面料的拉伸性能及拉伸所需的载荷、面料的压缩性能、面料的表面摩擦性能,都与面料对人体的压力具有较强的相关性及统计学意义。依据这种特殊的相关性,建立了有关的数学方程,从而可依据面料物理性能的测试数据,直接计算、预测面料对人体的压力。     

亚麻纬编针织物及其拉伸性能

 通过在STOLL电脑横机上开发亚麻针织物的探索,得出了保持一定的湿度,利用双股亚麻纱为原料进行编织前处理,选择合理的编织工艺参数可有效提高亚麻针织物可编织性的结论。对所开发产品的结构、面密度、织物厚度及拉伸变形能力等指标进行测试分析,结果表明:弯纱深度值为10.5时,亚麻四平织物抗拉伸能力和拉伸变形能力较优,其厚度及耗纱量适中,性价比合适,可作为抗拉伸能量吸收性能较好的、环保纺织复合材料的增强体。     

棉织物的丝胶涂层整理及其性能

为开发高品质、功能性的棉制品,采用带负电荷的丝胶蛋白与带正电荷的壳聚糖衍生物在水溶液中发生反应,生成具有一定胶黏作用的新型微颗粒,再通过聚丙烯酸类低温交链剂进一步将丝胶固着在棉织物上。对整理前后棉织物的服用性能、表面形态等进行测试,结果表明:丝胶均匀涂覆在棉织物上,且耐洗性良好,洗涤5次后的溶失率约为0.21%,丝胶整理后棉织物的吸放湿性、保温性、透湿性和抗菌性均有提高,透气性基本不变,是一种新型高档棉制品。     

基于三维悬垂模型和织物面密度的织物匹配

为能够根据织物的悬垂形态快速准确地匹配到与给定织物综合性能相近的织物样本,利用自主搭建的悬垂织物三维扫描装置获取了悬垂织物的三维点云数据。将三维点云封装为三角形网络后,利用局部线性嵌入的方法对悬垂织物三角形网格重采样,使不同的悬垂织物三维模型具有相同的顶点数目和三角形拓扑结构;然后基于重采样三角形网格提出了2种织物匹配方法,即基于传统悬垂指标和织物面密度的织物匹配以及基于曲率统计直方图和织物面密度的织物匹配;最后计算了织物力学特征的相似度,以此相似度为基准对织物匹配结果进行评价。结果表明:基于悬垂指标和织物面密度的织物匹配准确率为86.91%;基于曲率统计直方图和织物面密度的织物匹配准确率为93.79%。     

基于织物物理性能的服装舒适感觉的评价与预测

 基于心理感知评分和物理性能的测试数据研究织物性能和舒适感觉之间的关系,得出服装舒适性感觉因子和织物物理性能之间的线性回归方程。同时分析心理感知的评价数据以及感觉因子与物理性能的关联,建立了基于织物物理性能归纳服装整体感觉舒适的预测模式以及数理统计关系式。对从织物热湿性能和力学性能预测单项舒适主观感觉,再预测综合舒适感的模式,结合实验对象进行初步阐释与验证。