CNG-2型气瓶缠绕层树脂开裂影响因素研究

针对CNG气瓶在自紧工艺中缠绕层会产生一定的树脂开裂这一问题,讨论复合材料本身属性对缠绕层树脂开裂的影响。提出一种多尺度建模方法,利用微观力学的方法探讨缠绕层的含胶量和纤维直径对树脂开裂程度的影响。结果表明树脂开裂程度随着含胶量的增大而减少,在企业生产的含胶量范围内,含胶量为34%时树脂开裂程度最小。在含胶量为34%时,利用多尺度模型研究了纤维直径对树脂开裂程度的影响,结果表明纤维直径对树脂开裂程度几乎没有影响。由于含胶量是由缠绕张力控制的,因此合理控制缠绕张力可以减少树脂开裂程度。实验验证了模型的准确性并为研究提供了参考,该研究可为改进CNG-2气瓶生产提供理论依据。     

大流量气动高速开关阀的优化设计

针对大流量高速开关阀切换时间长的问题,对高速开关阀流量特性进行了分析,获得了电磁铁工作气隙与阀芯直径的匹配关系;对高速开关阀动作过程进行了分析,建立了开关阀运动耦合瞬态场模型;对电磁铁结构参数进行了Ansoft Maxwell2D仿真,研究了衔铁中心开孔大小、衔铁厚度、绕组匝数对开关阀开启时间的影响。在理论仿真分析的基础上,提出了一种兼顾响应时间的大流量高速开关阀。研究结果表明,经过优化后的开关阀,在进口压力为7 bar时,流量可达720 L/min,而切换时间仅为9.5 ms。     

电阻式织物回潮率测量装置的设计与应用

针对国内印染行业中织物回潮率在线监控的需求,首先基于电阻法回潮率测量原理,设计了回潮率标定试验平台,并根据试验结果建立了纯棉、涤棉、黄麻三种常用织物的标定曲线;然后设计开发了回潮率在线测试仪及相应的硬件电路与控制程序,试验表明该回潮率仪的测量误差在6%范围内;最后,将该测试仪应用在印染烘燥生产过程中,用户报告表明可有效节约烘燥蒸汽耗量7%以上。     

无缝针织内衣机的花型准备系统及数据安全

因进口花型制版系统通过加密垄断了针织无缝内衣机的工艺制版技术,为满足国内针织无缝内衣设计生产的需求,设计了一套针对无缝针织内衣机花型及链条动作的数据准备系统,并提出了一种文件数据压缩、加密、解析的算法,以解决数据安全性和大容量问题。花型准备系统分为花型子系统和链条动作子系统,花型子系统用类组织意匠位图表示织物的组织结构,用色彩位图表达编织过程中纱嘴动作;根据无缝针织内衣机的编织工艺、动作流程,为链条动作子系统设计了一系列数据结构表达链条动作文件数据。经现场制版验证,花型设计方便、快捷、高效,花型文件数据小,传输安全可靠。     

无缝内衣机分布式气阀组驱动控制单元设计

针对内衣机气阀驱动路数繁多、空间布局分散的特点,归纳分析不同空间位置气阀的功能和性能要求,提出一种基于ＲＳ４８５ 总线通信的分布式驱动控制设计方案。根据控制单元分布式结构,构建了总体设计架构,论述了驱动控制单元硬件电路设计与软件开发,并根据控制指令传输需求,拟定了通信协议。为降低气阀功耗,提高动作准确率,驱动方式采取脉冲宽度调制（ＰＷＭ）保持的方式,通过深入研究ＰＷＭ 各参数对通过气阀线圈电流的影响,在不同频率值和占空比下测量气阀线圈电流,结合实际打动情况选择最合适的参数。测试结果表明,该方案稳定可靠,气阀工作效率高,满足无缝内衣机的控制要求。     

基于边缘和颜色特征的织物印花花型检索

针对织物印花花型同型不同色和同形异构的特点,提出了一种综合花型边缘和颜色特征的图像检索算法。首先利用中值滤波对花型图像进行滤波去噪,并采用Canny算子获取花型边缘;以边缘像素坐标加权中心点为圆心,将各边缘点划分到若干等距环面内,提取花型边缘距离直方图,并在对边缘像素点直线拟合基础上,提取边缘方向直方图;然后在HSV空间内对彩色边缘进行颜色量化,提取各颜色分量构成颜色直方图;最后对3种特征分别进行相似性度量,并赋予三者不同权重予以结合,获得图像间相似度。结果表明,该算法具有平移、缩放、旋转不变性,并能兼顾边缘特征和颜色特征对检索结果的影响,准确区分同型不同色和同形异构的花型图案,该算法平均查准率可达93.17%。     

纤维及其制品摩擦性能测试方法的研究进展

为有效解决纤维及其制品在生产过程中的摩擦问题,提升产品综合性能,对现阶段纤维及其制品生产及使用过程中因摩擦引起的常见缺陷、摩擦性能研究背景及研究价值进行了介绍。阐述了点接触型、线接触型和面接触型纤维及其制品摩擦性能测试方法,分析了不同研究方法的特点、适用范围及其最新进展,并对纤维摩擦性能部分研究成果进行总结。分析认为：纤维及其制品的摩擦性能研究涉及多学科交叉,需加强纤维及其制品微观接触模型及摩擦性能表征方式、与纺织工艺相匹配的测试方法及测试精度提升等方面研究,同时需要纺织、机械、材料和数学等学科人才团队协同创新来推动纤维及其制品摩擦性能的研究进展。     

基于深度学习的印花织物循环图案基元分割

在实际的生产过程中,织物的印花图案往往由循环图案基元排列而成。然而基于传统的人工织物循环图案基元分割会消耗大量设计成本,因此实现基元的自动分割,有非常重要的研究意义。近年来,随着深度学习技术的快速发展,为解决该问题带来新的希望。针对印花织物循环图案基元分割,该文提出了一种基于深度学习的循环图案基元分割算法。该算法利用预训练AlexNet网络的卷积层进行特征提取,织物图像输入网络后,在网络特征层中会产生规律的激活峰值,每对峰值对应一组位移向量。并且对位移向量进行投票,出现次数最多位移向量的绝对值即为循环图案基元的尺寸。随后在印花织物中找到对应区域,从而实现完整循环图案基元的分割。对比传统算法,该算法不仅可以分割出简单印花织物的循环图案基元,还可以分割复杂印花织物的循环图案基元,达到了更高的准确率,具有更强的鲁棒性。