温度与单位填充量对羽绒服保暖性的影响探究

保暖性是衡量羽绒服质量的重要指标.以羽绒服保暖性为研究对象,在不同温度下测试评价了不同单位填充量的羽绒服内胆保暖性的差异,并对其保暖机理进行分析.结果表明:单位填充量相同的羽绒服内胆在零度以下时热阻随温度的降低而增大,零度以上时热阻变化不明显;当环境条件相同时,热阻随单位填充量增大而增大,但单位填充量增加到120～13...     

湿热处理对PTT／PET白卷曲纤维卷曲性能的影响

PTT／PET自卷曲纤维拥有三维螺旋、永久性的卷曲,赋予其纱线及织物较好的卷曲弹性伸长及卷曲回复性能。湿热处理可以消除唧PET织物成形过程中的残余变形和内应力,发挥唧PET自卷曲纤维较好的卷曲伸长回复性能,使织物获得柔软的手感和良好的尺寸稳定性。通过分析湿热处理温度和时间对自卷曲纤维的外观卷曲形态、卷曲性能的影响,确定处理条件为80℃、20min时,自卷曲纤维的卷曲性能较好,并通过正交分析得出处理温度比处理时间对纤维卷曲性能的影响更为显著的结论。     

巴素兰处理前后牦牛绒纤维形态结构与力学性能评价

以牦牛绒纤维和巴素兰牦牛绒纤维为研究对象,测试了纤维细度、表面形态、卷曲、摩擦性能、拉伸性能及弯曲性能,对比分析了巴素兰处理对牦牛绒纤维形态结构与力学性能的影响。结果表明：巴素兰牦牛绒表面鳞片被剥除,牦牛绒平均直径为18.71μm,巴素兰牦牛绒平均直径为17.42μm,故巴素兰处理后牦牛绒细度减小且差异显著;巴素兰处理后牦牛绒纤维平均卷曲数增加,平均卷曲率下降,对纤维的伸长率影响显著;牦牛绒平均断裂强力为10.53 cN,巴素兰牦牛绒平均断裂强力为11.10 cN,2种纤维的断裂强力差异不显著。巴素兰牦牛绒静态定向摩擦效应比牦牛绒低7.62%,动态定向摩擦效应低6.88%,表现出更佳的防毡缩性能;弯曲刚度相对于牦牛绒从0.160 6 gf·cm²/cm降至0.139 2 gf·cm²/cm,柔软度更好。     

毛涤精纺织物风格探讨

在4种精纺毛型织物基础上,探讨了含有不同类型涤纶精纺毛型面料的基本风格.结果表明,在一定条件下,中空涤纶对织物丰满度的提高比较明显,但涤纶含量增加到一定程度时,中空涤纶和常规涤纶对风格的影响差异不明显.     

牦牛绒纤维形态结构与拉伸测试评价

选取了三种牦牛绒及兔绒、骆驼绒、羊毛做对比样,分别测试了几种样品纤维的形态结构及其拉伸性能.结果表明:几种动物毛绒纤维表面都有鳞片结构,鳞片均紧贴于纤维表面,但根据种类不同存在较大差异;牦牛绒纤维鳞片服帖于条干翘角不明显,沿轴向鳞片距离分别为紫绒11.60μm、青绒12.67μm、白绒11.02μm;几种动物纤维有相似...     

湿热处理对PTT/PET自卷曲纤维卷曲性能的影响

PTT/PET自卷曲纤维拥有三维螺旋、永久性的卷曲,赋予其纱线及织物较好的卷曲弹性伸长及卷曲回复性能。湿热处理可以消除PTT/PET织物成形过程中的残余变形和内应力,发挥PTT/PET自卷曲纤维较好的卷曲伸长回复性能,使织物获得柔软的手感和良好的尺寸稳定性。通过分析湿热处理温度和时间对自卷曲纤维的外观卷曲形态、卷曲性能的影响,确定处理条件为80℃、20min时,自卷曲纤维的卷曲性能较好,并通过正交分析得出处理温度比处理时间对纤维卷曲性能的影响更为显著的结论。     

PTT/毛混纺纱性能测试与评价

对规格相同的PTT/毛和PET/毛混纺纱进行测试,对比分析PTT/毛混纺纱线的毛羽、拉伸性能、回弹性能及沸水收缩率。实验结果表明,PTT/毛混纺纱线毛羽较少,纱线拉伸模量低于PET/毛混纺纱,纱线拉伸断裂伸长率较高;PTT/毛混纺纱在定伸长5%条件下,弹性回复率达到96%,在定伸长15%的条件下弹性回复率达到87%,且急弹性回复率大于PET/毛混纺纱;PTT/毛混纺纱的沸水收缩率与PET/毛混纺纱的沸水收缩率相比差异不大,都具有良好的沸水稳定性。     

纺织弹性纤维弹性机理及其发展动态

阐述了主要的纺织弹性纤维,包括聚氧酯纤维、聚酯类弹性纤维、复合聚酯弹性纤维、聚烯烃弹性纤维、聚醚酯弹性纤维、硬弹性纤维、形状记忆弹性纤维等的弹性机理,指出这些弹性纤维都是通过具有的"软"链段和"硬"链段交替连接的,或者是具有易伸长和回复的大分子结构产生弹性,除了具有本征弹性外,还结合了形态弹性,具有不同的弹性性能和使用性能.目前弹性纤维的性能经过不断完善,正朝着多样化、功能化的方向发展.     

基于BP神经网络的精纺毛织物透气性能的预测

在34种精纺毛型织物实验数据基础上,利用三层BP神经网络方法,建立了织物透气性能与织物结构参数之间的神经网络模型,重新采集7种织物对网络模型进行验证和评估,结果表明:神经网络可以用来预测织物的透气性能指标,织物透气量的预测误差率范围为3%～24.2%,平均误差率为14.3%,最大误差率小于25%,神经网络预测精度受样本大小影响,进一步丰富学习样本后,神经网络的泛化能力可望得到改善.