纺织织物悬垂性测定方法研究

为了更好地理解纺织织物悬垂性测定的相关标准,对比探讨了几种测定织物静态悬垂性方法的相关性,提出了各自存在的问题,分析了动态法测定织物悬垂性的试验参数,试验结果证明动态法具有较好的重现性。     

织物悬垂性图像测试方法

为了解决图像法织物悬垂性测试中存在的图像采集和边缘轮廓信息提取困难等问题,从图像采集、悬垂图像轮廓分析及悬垂指标提取3个方面探讨织物悬垂性的图像测试方法。设计了新的图像采集方法,确保采集到高清晰度、高对比度的织物悬垂图像;编写了包含边缘检测、二值化、邻域点边界轮廓跟踪等算法程序的织物悬垂性测试软件,应用该软件可提取出悬垂图像边缘轮廓信息;根据织物悬垂图像轮廓信息,经半径确定、轮廓展开和指标计算等步骤,可测得织物悬垂性的多个特征值,如悬垂系数、波数、波峰幅值均匀度、波峰夹角均匀度、最大波峰幅值、最大波峰夹角等。     

图象分析织物动静态悬垂仪的研制

在硬件上实现了基于微机－单片机两级控制的织物动静态悬垂测试系统的设计，根据织物悬垂图象的特点设计了合适的悬垂形态轮廓提取算法，该系统给出包括悬垂系数在内的由６个指标组成的特性矢量，在描述织物静态悬垂特性的同时给出了悬垂系数随试样转速变化的指数曲线。     

织物悬垂性客观评价的研究

本研究了动态悬垂旋转速度对悬浮垂性影响的理论方程，并得到实验验证，提出表达动态悬垂活泼程度的指标，同时，对织物悬垂形态参数进行主因子分析，得到表达物悬垂美感的综合指标，因子得分图的使用，可将１００种织物样品进行分类和鉴别，为客观评价织物悬垂美感找到了一条新途径。     

织物伞式悬垂旋转速度对悬垂性影响的研究

本文通过对８种典型织物在不同旋转速度下的悬垂系数的变化规律的分析和讨论，初步探索了描述织物动态悬垂性的活泼程度指标的表达方法。     

织物动态悬垂性的模拟研究

对YG811L织物静态悬垂性测试仪进行改装,采用风车来模拟织物在动态时的悬垂形态,并用投影法获取动态风车在硫酸纸上的投影图像;进而对图像进行分析,以获得一种研究织物动态悬垂性能的方法。     

涤纶织物悬垂性的研究

通过对不同涤纶原料不同原料组合和相同原料但组织及密度不同织物的悬垂性测试，研究了影响织物悬垂性的因素。     

织物悬垂性测试及模拟研究

裙装的外观形态与织物的悬垂性能有着密切的关系。阐述了织物静态悬垂性的先行测试方法和基于BP神经网络、数字图像处理等新兴技术,概述了织物动态悬垂性测试的研究进展。同时,从连续型模型和离散型模型两个方面综述了织物悬垂性模拟研究,以期为裙装模拟奠定基础。     

图象分析织物动静态悬垂仪的研制

介绍了采用国际通用的伞式法、利用图象分析技术开发的测试织物动静态悬垂的测试系统。该测试系统采用一套基于单片机控制的步进电动机无级调速子系统来模拟动态悬垂测试的虚拟动态环境;设计了一套高效的织物悬垂形态提取算法,实现了各种不同测试试样的悬垂形态轮廓提取。整个测试过程,包括图象采样、步进电动机调速、图象分析、指标提取均由基于Windows平台的图象操作界面完成。     

织物静态悬垂系数试验时间的确定

为了科学地确定织物静态悬垂系数的试验时间,选用自行设计的利用图像技术测试悬垂性能指标的XDP-1型织物悬垂仪,其试样放置方法为试样托盘平稳上升,织物试样自重下垂,能有效地测试1块处于静止状态的织物试样在1个时间序列下的多个静态悬垂系数值。通过对织物静态悬垂系数随测试时间变化曲线的分析,认为试验时间设定为固定时间的规定是不合理的,并提出采用最小试验时间来测量织物静态悬垂系数,这样可提高测量结果的合理性与重现性。     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。     

织物悬垂性影响因素分析

织物面料制成服装或窗帘等家居用品后，其力学性能构成悬垂性。文章利用实验测试的方法对织物的结构参数和机械性能进行研究，分析织物结构参数和机械性能与悬垂性之间的关系。结果表明，织物的断裂伸长、纬向弯曲刚度和活络率与悬垂性能之间存在密切的关系，而织物厚度和质量对悬垂性的影响不显著。     

风格仪转速与织物悬垂性的关系研究

以16块织物为研究对象,用KES-FB风格测试系统测试了织物的拉伸性能、剪切性能和弯曲性能,运用YG(L)811-DN织物动态悬垂风格仪测试了5个转速下各织物的悬垂系数和波纹数,通过相关分析和方差分析研究了转速对织物悬垂系数与波纹数的影响,结论如下:随转速的增加,织物悬垂系数基本呈线性增加;试样结构参数与织物悬垂系数增加率之间的相关性不明显;而经向弯曲刚度及经、纬向剪切刚度与悬垂系数增加率有显著负相关关系,转速对波纹数没有显著影响。     

织物悬垂性数字图像轮廓识别的径向扫描算法

根据织物悬垂性数字图像轮廓自动识别的需要,提出了一种简单实用的径向扫描算法。首先识别出试样圆盘圆心,并从原始图像中裁剪出有效区域,进行必要的预处理后再用径向扫描算法得到候选轮廓点集,将不在轮廓上的候选轮廓点去掉,顺次连接轮廓点序列,当轮廓点数量足够多时,就可以用轮廓点顺次连接线逼近织物的边缘轮廓曲线。与传统的梯度算子法相比,这种算法有更好的适应性和可靠性,结合实例介绍了该算法的设计和实现过程及特点。     

基于支持向量机的织物悬垂性能评估分析

针对织物悬垂性评估中存在非线性建模困难及评估精度不高等问题,结合织物悬垂性参数数据的特点,基于Mercer核函数的性质,构建Mercer核函数的织物悬垂性评估模型。通过实验,认为其评估精度有了相应的提高,说明基于Mercer核函数的织物悬垂性评估模型是可行的。同时,通过改变参数值进行实验,结果表明这些参数的取值不同对评估结果有影响,且不同参数对评估结果影响的程度也不同,这对基于支持向量机的织物悬垂性评估过程有重要的指导作用。     

Investigation of fabric drape-flexural rigidity relation: modified fabric drape coefficient

Abstract

The drape is an important characteristic of textile fabrics. Several studies have been concerned with the mechanism of fabric drapability and the methods of its measurements. In this study, a new drape coefficient ‘DCM’, evaluating the shape of the fabric drape, is defined in terms of the drape projection, the shape and the number of the folds and the drape angle. The drape of fabric samples with different weft densities and weaves structures was tested. The new formula to express the drape coefficient, taking into consideration the fabric flexural rigidity, was developed. The analysis of the experimental results indicated that the modified drape coefficient is highly correlated with fabric flexure rigidity and other fabric structure properties than the other known formulas.     

Prediction of fabric drape using the FAST system

In this study, we investigated the relationship between the fabric drape coefficient from the drape meter and mechanical properties tested on the fabric assurance by simple testing system (FAST). Different kinds of woven fabrics with two kinds of weave (plain and twill) were tested. Three regression models are proposed for each type of weave and for all fabrics using the multiple linear regressions. The regression results were analyzed in terms of correlation coefficients, T and p-values. A neural model is proposed using the neural networks and it is compared to the regression one.