回潮率与针织物缝纫针洞的关系探讨

缝纫针洞是指在缝纫过程中纱线被缝纫针扎断或扎伤，针迹孔扩大，从而发生线圈脱散现象。缝纫针洞分为显形针洞和隐形针洞。其主要是由于原纱断裂强度低、织物密度过密、染整加工不当、缝纫操作不当及坯布回潮率过低或过高产生的。对此，本文探讨了针洞与回潮率的关系，试验数据表明，纯棉针织物的缝纫针洞随着回潮率的变化而变化，坯布的回潮率在5％-10％产生缝纫针洞较少。     

染整前处理对针织物缝纫针洞的影响

本文介绍了在染整前处理过程中，不同的助剂用量、温度、时间等因素对针织物缝纫针洞的影响。并运用均匀设计法安排试验，通过对失重率，白度，缝纫针洞情况的测定，得到各因素与指标之间相互关系的回归方程及最优方案，并将最优方案与实际厂里所用方案作对比试验，从而得出结论。     

面向服装面料自动缝合的缝纫工艺参数建模

为了解决缝纫中面料性能与缝纫加工工艺参数仅依靠技术工的经验完成匹配的问题，通过建立面料在缝纫过程中的多力场耦合模型智能选择缝纫加工工艺参数。以纬编织物为例，首先建立了织物单元的三维结构模型；其次分析了穿刺过程中织物组织与纱线间的抱合力对缝纫针的影响，并对面料在缝纫过程中的运动进行分析，创新性地建立了缝纫过程中基于面料力学性能的多力场耦合模型；然后建立了织物的有限元模型和缝纫针的几何模型，分析面料在缝纫过程中应力、应变的分布情况，得到面料在缝纫过程中因受外力作用而发生的形变并验证模型的正确性；最后搭建了协同自动缝纫实验平台进行实验验证数学多力场耦合模型的正确性。结果表明，该方法相比于工人凭借着经验完成缝纫可减少面料的形变和皱缩率，提高服装缝纫质量，为下一步服装面料自动缝合提供工艺参数，并为服装智能制造提供理论及技术参考。     

真丝针织服装缝制过程中针洞的消除方法

针洞的产生,往往不是反映在孤立的几件衣片上,在很大程度上会预示着同批的面料都会出现这一毛病。因此,针洞是严重影响缝制工艺按预期计划进行的障碍。针洞的产生所谓“针洞”,它是由高速工业缝纫机的缝纫针在工作过程中进入织物时不在线圈间穿行,而是直接刺穿纱线所造成的损伤。这种损伤在单面平纹针织物和细纹织物上一旦出现,对产品的质量将造成比其它织物更为严重的影响。因为针织物线     

缝纫针使用时间对缝制质量的影响

缝纫针是缝纫机上的一个小部件,但它对缝纫质量起着十分重要的作用,并最终影响缝纫外观。从缝纫强力和线迹弹伸性两方面论述了缝纫针的使用时间对缝制质量的影响。     

缝纫动作分析

通过对缝纫动作的研究，提出车针活动时间是提高产量的关键，并从辅助工序，缝纫附件与操作样板，改善设备性能，平衡流水线，增强职工素质等5个方面，分析了提高车针活动时间的潜力。最后指出，缝纫动作的规范化，有利于缝纫动作的机械化，自动化发展。     

缝纫针回火工艺难点及解决办法

对目前我国缝纫针回火工艺进行讨论，提出了满足普通缝纫机针质量要求的经济合同的回火工艺流程及工艺难点的解决办法。     

面料缝纫加工性能影响缝纫条件的选择

文中阐述了面料缝纫加工性能,分析了选择缝纫用线、缝迹缝型、机针及设备输送方式等缝纫条件;提出了合理地确定缝纫线张力、线迹密度、压脚压力及送布牙高度等缝纫工艺参数,以保证成衣产品的品质和外观的效果。     

专家解疑

疑问1[2009-09-01]：我厂有一台电脑双针机缝纫只切底线，不切面线，请问是什么原因引起的？     

特殊压脚对缝纫工艺质量及效率的影响研究

研究并探讨了特殊压脚对提高服装缝纫工艺及效率的影响。通过对特殊压脚的缝纫工艺效果及实验织物厚度的观察和测定进行缝制效率研究,并计算了相关成本。研究结果表明:特殊压脚的缝纫工艺质量及效率优于普通压脚,除特殊情况外,其效率均能提高50%以上;不同材质的特殊拉链压脚缝纫工艺效果相似,对于多数织物塑料压脚工艺用时少于铁质压脚,且缝纫效率变化受到织物厚度的影响;合理使用特殊压脚可以减少时间成本和劳动力成本。     

织物性能及缝纫工艺对雪纺织物缝口强度的影响

选用服装厂常用的6种雪纺织物,测定其基本参数,采用正交试验方法,分析线迹密度、机针、缝纫线3种缝纫参数对缝口强度的影响及雪纺织物性能与缝口强度的相关性。试验结果表明：对于较薄的雪纺织物,缝口破坏形式为纱线滑脱,线迹密度的影响最为显著,缝口强度与线迹密度成负相关;对于较厚的雪纺织物,缝口破坏形式为缝纫线断裂,缝纫线的影响最为显著,缝口强度与线迹密度、缝纫线粗细成正相关;而机针对缝口强度的影响最小。     

缝纫机器人对织物张力与位置的模糊阻抗控制

为解决缝纫机器人末端执行器在按压织物滑动前行和按压织物缝纫时需要保证织物不起褶皱且缝纫轨迹针脚均匀的问题,采用模糊阻抗控制方法对机器人末端位置以及机器人末端与织物接触力的同时控制。建立缝纫机器人实际缝纫系统模型,采取将机器人末端按压织物的力与按压位置进行力/位阻抗控制的策略,并根据模糊规则选取了缝纫系统最优阻抗参数。实验结果表明:模糊阻抗控制方法能够实现机器人操作织物的位置和机器人末端按压织物操作力之间的动态平衡,能够在保证机器人各关节平稳运动的基础上实现缝纫时接触力和位置的同时控制要求。     

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。     

纬编针织物缝纫破损两种测试方法比较

采用破洞法和缝纫应力法对纬编针织物缝纫破损进行了测试与分析,结果表明,两种测试方法在缝纫破损试验中实验结论具有一致性,建议生产中两种方法结合使用。     

基于延展性的机器人面料缝制张力预测方法

针对机器人缝制过程中未知面料期望张力导致面料变形的问题,根据面料的延展性分类训练支持向量机(SVM)模型,通过线性支持向量机模型预测未知面料的延展性;其次,采用模糊逻辑控制系统确定面料特性与期望张力之间的非线性关系;最后,利用毛呢、绸缎、天鹅绒布、摇粒绒布4种面料对SVM模型进行测试,通过模糊逻辑得到面料期望张力查询表,根据期望张力对毛呢和竹节棉麻进行缝制实验。结果表明:在拉伸面料的过程中,线性支持向量机模型预测的延展性最终趋于面料实际的延展性,基于模糊逻辑根据面料延展性和种类可实现对任意面料期望张力的预测,预测张力可满足智能化缝制加工的需要。该研究为避免面料形变从而提高缝制质量提供了前提条件。     

羽绒服防钻绒工艺的探讨

探讨羽绒服钻绒的原因,并优化羽绒服制作工艺以解决钻绒问题。研究了设计结构、面料、填充物、缝纫纱线、缝制用针以及缝制工艺等因素对防钻绒性能的影响。通过测试、实验,找到改善羽绒服钻绒的关键控制点,科学有效地达到更高的服用性能。     

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.     

基于卷积神经网络的织物缝纫平整度客观评价

针对大多数评价织物缝纫平整度等级方法对实验条件均有较高的要求,且织物种类及环境等因素对实验结果均有较大影响的现状,提出利用卷积神经网络分析织物缝纫平整度等级的方法,以提高等级分类的准确率和效率。设计了一个基于残差卷积神经网络的织物缝纫平整度客观评价模型,该模型以1000个普通织物的缝纫图像作为训练样本输入,得到缝纫平整度的分类结果,所选织物包含10种常见服装面料品类(塔夫绸、塔斯隆、雪纺、顺纡绉、尼丝纺、麂皮绒、天丝斜纹、真丝缎面、平布、交织绸)。研究结果表明:经200个测试集样本的验证,该模型的评价准确率达96%,与智能化评价以及建立预测模型方法相比,利用卷积神经网络分析织物缝纫平整度等级的方法,具有较好的准确率,且具备获取样本图像流程简单、效率高的优势。     

Determination of a sewing quality index of denim fabrics

This paper reports a determination of a sewing quality index in order to assist the industry in providing quality clothing before production. The particularity of this work lies in the fact that it encompasses various sewing quality parameters (efficiency, slippage, and puckering) into a single overall quality index. Moreover, a program was investigated, to determine the quality index, so that the manufacturer has only to enter the available data. In fact, by entering the input parameters which are blend composition, seam direction, fabric mass, stitch density, and seam thread linear density, an overall quality index will be given and the seam quality as well as the defect sources will be displayed. To reach this aim, regression models were determined to predict seam quality. In this work, 18 denim fabrics were sewn with two commercial sewing threads. Their influences, ranked according to the seam quality, were also determined. The seam efficiency was calculated by determining both the seam and the fabric's tensile strength. The seam slippage was determined by calculating the difference between the elongation at the break of the seam and the elongation at the break of the fabric. Seam puckering was determined by measuring both the fabric and seam’s thickness.