轻型羽绒服防钻绒方法研究

轻型羽绒服兼具了保暖、轻便、时尚等多重性能,以轻型羽绒服的钻绒问题作为切入点,调研了当前轻型羽绒服的缝制工艺,分析了含绒量、面辅料及制作工艺对轻型羽绒服防钻绒性的影响,从面料结构设计、缝制工艺、充绒工艺及缝制手法等方面给出了轻型羽绒服防钻绒的措施。     

羽绒服防钻绒性测试标准的探讨

通过对服装实际发生的钻绒性能进行分析,发现目前国内羽绒服防钻绒性测试方法主要针对的是羽绒服面料,对服装的缝制工艺并没有关注.提出了改进羽绒服防钻绒性的若干建议.     

羽绒服装防钻绒工艺研究

介绍了一种羽绒服装防钻绒工艺优化过程。研究了纱线细度、密度、含绒量、缝制用针、缝制工艺以及充绒工艺等因素对防钻绒效果的影响,并利用正交试验对其生产工艺进行优化,得出最佳工艺。测试了成品羽绒服装的钻绒性,结果表明:工艺优化后,羽绒服装钻绒性在很大程度上得到了改善,达到了服用性能要求。     

关于超薄化纤布料防钻绒工艺的探索

近几年,市场上比较流行超轻薄面料的羽绒服,这种款式的羽绒服重量很轻,携带比较方便,但是它的缺点是经常会有钻绒的现象出现,为了防止出现钻绒,需要运用染色、定性与轧光三道工序共同进行,让面料在制作过程中可以达到防钻绒的效果。作者就来具体分析一下超薄化纤布料防钻绒的工艺,从而提高布料的防钻绒性能。     

羽绒服缝制及充绒工艺对造型的影响

羽绒服工艺是继服装款式设计和结构设计后,是裁片裁剪组合和实现羽绒服设计的实施阶段,也体现着服装成型的加工线路和操作技术。本文重点讲解羽绒服的缝制工艺和充绒工艺对羽绒服造型的影响,有助于提高羽绒服的造型美,进而提高其经济价值和实用价值。     

羽绒服钻绒的影响因素及测试方法研究

介绍了羽绒服装的钻绒机理及影响羽绒服装钻绒的因素,分析了现有羽绒钻绒性的测试方法及其局限性,提出一种成衣钻绒性能测试的方法,为消费者选择防钻绒性能良好的羽绒服以及为生产企业更好地控制钻绒情况提供参考。     

羽绒服标准GB/T14272-2011防钻绒性能测试的探讨

由于旧版羽绒服未考核钻绒指标,使得钻绒性测试项目未受重视,因此有必要系统解读羽绒服防钻绒性测试方法,为开展防钻绒性测试提供参考。     

变了！ 羽绒服防钻绒性能测试将采用新方法

正羽绒服作为一类特殊的服装,质量问题主要集中在填充的羽绒上。特别是羽绒服的防钻绒性,将直接影响消费者穿着的外观效果,因此备受各方关注。我国目前检测羽绒服的防钻绒性方法是:将被测织物制作成具有一定尺寸的试样袋,装一定质量的羽绒,再反复摩擦一定次数,最后以试样袋内套织物上钻出的羽绒、羽毛数量评价织物的防钻绒性能。这种测试方法很显然测试的仅是面料的防钻绒性,对于羽绒服装实际穿着时的防钻绒性难以做到整体评估。     

羽绒服防钻绒性能仿生测试方法研究

本文探讨设计一种羽绒防钻绒性能仿生原理的试验方法,以羽绒服为主要试验对象,以织物表面钻绒根数、绗缝针迹钻绒根数和表面清洁度评价3个指标,作为羽绒制品钻绒性能评价表征指标。通过分析比较现行测试方法的局限性,研究新型仪器模拟人体运动规律,探讨了仿生测试的可行性以及具体实施方案,确保测试结果准确、直观、全面体现羽绒制品钻绒效果。     

全自动模板缝制技术在羽绒服缝制中的应用研究

服装模板缝制技术是一种服装加工的辅助工具,服装智能化加工技术日新月异,全自动模板缝制引领着缝制技术的发展方向。以羽绒服的加工工艺为研究重点,将羽绒服的缝制工艺与全自动模板缝制技术相结合,探讨全自动模板缝制技术在羽绒服加工工艺中的应用。     

缝纫机针对羊毛防寒服防钻毛性能的影响

羊毛防寒服在服用过程中会出现不同程度的钻毛现象,其中通过针眼的钻毛量是比较明显的,它降低了羊毛防寒服的美观性和服用性能。本文参考 GB/T 12705-2009《织物防钻绒性试验方法》中规定的织物防钻绒性试验方法,并根据实际情况对试验参数进行调整,模拟羊毛防寒服在穿着过程中所受到的各种挤压、揉搓、碰撞等作用力,计数从面料和针眼钻出的羊毛量,分析在不同织物密度和缝纫机针下的钻毛量及其规律。研究表明较小型号圆头机针可明显降低羊毛纤维的钻出量,这一技术手段可用于羊毛防寒服的生产实践,并有效地提升羊毛防寒服的防钻毛性能。     

羽绒服最佳填充量的回归分析

羽绒服的隔热保暖性与充绒量有关,但保暖性并不是随着羽绒填充量的增加而增加,当达到一个饱和值即最佳填充量后保暖性开始下降.文中介绍了衡量保暖性的有关指标,然后对实验数据进行处理,利用单因素方差分析了充绒量对传热系数的显著性,用抛物线回归分析了羽绒填充量与传热系数、克罗值、散热量和保温率的关系,并得出了拟合曲线,根据曲线分析得出30 cm×30 cm羽绒垫的最佳填充量为9.47 g.     

针织服装面料缝制工艺参数的确定

缝制作为服装生产中的重要工艺过程,缝纫质量控制难度大,受到许多因素的影响,必须充分了解面料性能,合理选择缝纫设备,优化配置缝纫工艺才能达到最优的缝制质量。目前在服装加工中,缝制加工工艺的确定主要是依靠经验,其结果易受到环境和选定者主观态度等因素的影响,具有很大的模糊性。针对不同服装针织面料进行相关测试和试验并根据面料的物理测试结果对面料进行分类,可运用DPS数理统计软件和正交设计助手对缝口拉伸回复率试验结果、缝口缩皱试验结果、缝口接缝强力试验结果进行分析,以Y1面料为例,研究各类针织面料缝制工艺参数优化组合的确定方法,可以为服装企业针对不同针织面料快速选择合理的缝制工艺参数提供方法和依据。     

服装缝纫平整度的研究进展

为有效评价服装缝纫外观质量,对国内外服装外观评价标准以及相关研究进行了梳理,分别从织物性能与缝纫条件2个方面归纳了表征服装外观质量级别的接缝外观平整度的影响因素,探讨了缝纫平整度的主观、客观评价方法,从多因子角度综合分析缝纫工艺因素对平整度的影响。认为需提高织物物理力学性能与织物缝纫褶皱等级之间的数学模型的精度,改进基于面料物理性能指标的平整度预测模型,开展曲线接缝服装部件的平整度研究,并建立服装外观质量智能评价新模型。同时从服装生产制作角度对服装缝纫平整度的研究方向进行展望。     

Waste factor evaluation using theoretical and experimental jean pants consumptions

This paper focuses on a contribution of modeling consumption of sewing thread during clothing jeans classic pants. In fact, to determine accurately the amount of sewed thread used by assembly type needs to model widely the amount of thread in each stitch type taking into consideration the waste factor contributions. Several factors determine the extent of thread consumption in any sewn garment, such as seam length, stitch density, seam types, and material thickness. Nevertheless, the variability of factors depends on the different styles of garment that let thread consumption of sewn product categories such as jean pants, shirts, and jacket to be variable. However, these factors are not constant with the different styles of garment. Hence, thread consumption is never a standard for sewn product categories such as trousers, jackets, shirts, products lingerie, and footwear. Regarding the linear regression method results, it may be concluded that waste factor is correlated accurately with the experimental sewing thread consumption. Our findings show that developed theoretical consumption equations give more accurate values compared to experimental ones. Likewise, taking account of waste factor in our theoretical analysis helps to obtain objectively the real sewing thread consumption value.     

缝纫机缝纫性能测量评价系统的设计

针对缝纫机缝纫性能评价难的问题,设计了一种基于BP神经网络的缝纫机缝纫性能客观测量评价系统.在缝纫机机械力学性能与缝纫性能之间构建了一个3层神经网络模型,该神经网络模型由4个子网络模型构成分别负责四个缝纫性能指标的评价,同时研究了面料可缝性、缝纫性能、面料缝纫质量三者之间的量化关系。提出了样本采集方案,设计了一套基于VB与Matlab的应用软件和基于USB数据采集卡的测量系统,在此基础上进行了实验研究。实验结果表明BP神经网络在给定的样本下学习过程收敛效果较好,对被测缝纫机缝纫性能的评价与实际结果一致。     

方格立衬结构机织物的一次成形设计实践

为解决传统羽绒制品通常存在绗缝处保暖性差、绗缝劳动成本高等问题,设计一次成形方格立衬结构机织物,通过设置合理的组织结构和上机参数,可实现一次成形织造,缩短了生产流程、降低成本且减少浪费。一次成形方格立衬结构机织物的经向立衬高度,可根据实际羽绒制品的厚度需求进行改变。研究结果表明:机织物下机后的实际方格尺寸与设计的方格立衬结构一致,立衬高度达1.5 cm,可以满足羽绒制品的规格要求;一次成形方格立衬结构机织物制成绒包的保暖性是传统绗缝制成绒包保暖性的2倍,充绒空腔的纬浮线结构对填充物能够起到一定的固定作用。     

服装模板工序的动作编码

为提升服装模板缝制工序的工时计算准确率,通过对模板缝制动作分类,为一般车缝时间软件（GST）研发了19 个模板缝制动作编码。总结了模板缝制工艺中12 个自动模板和7 个手动模板的标准动作,运用模特排时法对动作进行动素分解,并计算出动作的时间值;根据一般车缝时间软件的编码规则对19 个动作进行代码编制;通过模特排时法时间值与一般车缝时间值的转化,得出新增动作的标准时间值。最后通过GST 系统新旧2 种编码计算结果与实测工时的对比表明,新增模板编码的计算准确率达到90% 以上,说明新增编码可更加准确地计算模板缝制工序的工时。     

A new approach for prediction of sewing performance of fabrics in apparel manufacturing using artificial neural networks

Abstract

This paper investigates the use of extended normalized radial basis function (ENRBF) neural networks to predict the sewing performance of fabrics in apparel manufacturing. In order to evaluate the performance of the ENRBF neural networks that could be emulated as human decision in the prediction of sewing performance of fabrics more effectively, it could be compared with the traditional back-propagation (BP) neural networks in terms of prediction errors. There are 109 data sets cover fabric properties measured by using a computerized measuring system, and the sewing performance of each fabric's specimen assessed by the domain experts. Of these 109 input—output data pairs, 94 were used to train the proposed ENRBF and BP neural networks for the prediction of the unknown sewing performance of a given fabric, and 15 were used to test the proposed ENRBF and BP neural networks, respectively. After 10,000 iterations of training of the ENRBF and BP neural networks, both of them converged to the minimum error level. A comparison was made between actual fabric performances during sewing, the experts' advices, and the results of predicting fabric performances during sewing for both networks. It was found that the ENRBF and BP neural networks indicate similar error levels, but the prediction made by the ENRBF neural network is better than the prediction made by the BP neural network in some areas. Both the systems provided better advice than the experts in some areas, when compared to actual sewing performance.     

基于针织面料特性的针织服装缝制工艺研究

基于针织面料特性研究了针织服装缝制工艺过程中缝线、缝迹、缝针的选择,并分析了针织服装缝制工艺中的常见故障,最后提出了针织服装缝制工艺方面未来的发展方向。