聚氨酯形状记忆纤维/棉机织物的染整

根据聚氨酯形状记忆纤维的温敏特性,对聚氨酯形状记忆纤维/棉织物采用短流程前处理工艺,并在染色之前进行预定形；采用喷射溢流绳状机进行活性染色；严格控制定形温度和时间以确保织物的形状记忆性能.加工织物具有优良的形状记忆性能,且染色牢度缩水率、布面平整度和断裂强力性能指标都较好.     

纺织用形状记忆材料的应用开发

本文对形状记忆合金和形状记忆聚合物的形状记忆机理进行了阐述,并结合研究成果,介绍了迄今研发的各类形状记忆纺织品。作者指出今后对形状记忆材料的研究应继续深化,同时在纤维加工、纱线生产和织物织造技术等方面作进一步研究探索,以不断提高形状记忆材料在纺织领域的应用价值。     

形状记忆聚氨酯（ＰＵs）及其在纺织上的应用

对形状记忆聚合物的形状记忆机理及其过程进行了探讨，重点阐述了形状记忆聚氨酯的形状记忆功能及其影响因素，讲座了它在纺织上的应用及有待深入研究的问题。     

三峡永久船闸边坡17?17断面变形分析

三峡永久船闸南北两侧高边坡是否稳定,一直是国内外关注的重要问题。为了解高边坡现状及未来发展趋势,选择了边坡最高、地质条件复杂的17?17关键断面进行变形分析研究。采用的方法：① 对高边坡观测成果序列进行分析 ,找出其变化特点及规律; ② 对当前高边坡监测值与FLAC计算结果进行比较,判断二者变 形结果是否趋于一致; ③ 建立北坡、南坡统计模型,对当前到2035年期间时效位移年均增 量作预测。 通过①、②两种方法研究,认为当前边坡处于稳定状态; 通过③种方法研究,预测的时效增量很小,而且随着时间的推移年均增量还在逐步变小,认为边坡时效变形是稳定的。     

用电子显微镜和差热扫描仪等方法研究乳脂的结构和性质

用电子显微镜和差热扫描仪等方法研究乳脂的结构和性质朱明，胡金莲，王利平（无锡轻工大学，２１４０３６，无锡）０前言乳脂（ＭＦ）的组成和结构都很复杂，由数百种不同的甘油三酯所组成。乳脂又是一种复杂的多相物质，４０℃时呈液体，－４０℃时完全为固体。在室温（...     

时装的基本原理(一)——时装的语言

时尚,象时间那样古老,象明天那样新奇,是我们生活最强大的动力之一。它影响我们的穿着、谈吐、饮食和生活方式。它还影响我们旅行的方法和所到的地方,影响到我们所看的、我们所听的等等。时尚,让我们摒弃实用但不入时的产品,为了赶时髦,有时我们穿的让我们所应该穿的多,有时又     

水下控制系统参数辨识的研究

根据水下控制系统的设计需要,针对原控制模型参数不够精确的问题,提出了用卡尔曼滤波对模型参数进行辨识的方法。用卡尔曼滤波算法对某航行体控制系统的辨识进行了仿真实验,论述了探测信号和初值对算法的收敛速度及估计精度的影响,该方法能提高控制模型的准确性,又能节约试验费用,从总体上提高了该水下控制系统研制过程的工作效率及在航行中的控制性能。     

支持向量回归机的光滑函数研究

光滑数能将不光滑模型变为光滑模型,改善支持向量机的回归性能和效率.Lee等人用一个光滑函数逼近ε-不敏感损失函数的平方,提出ε-不敏感的光滑支持向量回归机模型(ε-SSVR).本文为求ε-不敏感支持向量回归机的新光滑函数,运用插值函数和复合函数的方法,首先求正号函数的光滑逼近,然后将其复合成ε-不敏感损失函数平方的光滑函数,得到一类新的光滑函数.并从理论上证明该类光滑函数的逼近精度比以往的光滑函数高一个数量级.实验结果表明回归效果得到改善,从而为支持向量回归机提供一类新的光滑函数.     

结构参数对温敏形状记忆机织物记忆性能的影响

 阐述形状记忆聚氨酯的形成机理及其温度响应特性,介绍形状记忆性能的表征方法。设计开发了不同结构参数的系列温敏形状记忆机织物并测试了记忆性能。结果表明：随着形状记忆（SM）纤维线密度的增加,形状记忆性能的提高程度不明显;组织结构方面以平纹织物的形状记忆性能为最佳,而其他组织结构织物之间无明显差异;随着紧度的增加,单相SM织物的形状回复率(SR)呈下降趋势而形变固定率(SF)略有上升倾向,双相SM织物则SR和SF均呈下降趋势;竹纤维经纱织物的记忆性能最佳,其他纤维经纱织物之间无明显差异;双相SM织物的SR明显高于单相SM织物,而单相SM织物的SF又较为明显地优于双相SM织物;单相SM织物在另一相上也具备形状记忆性能但指标值明显降低;纬纱含SM纤维织物的经向SF总体高于纬向。     

支持向量机对羊毛/铜氨纤维混纺形状记忆织物的记忆性能预测

为有效预测羊毛/铜氨纤维混纺形状记忆织物的记忆性能,以形状记忆纤维含量、织物总紧度和组织系数的不同组合制备了27种织物试样,并进行形状记忆性能的测试。输入形状记忆纤维含量、织物总紧度和组织系数,建立支持向量机模型,对织物形状记忆性能,即织物经、纬向的形变固定率和形状回复率进行预测。以交叉验证法对模型结构参数进行优化。结果显示:该模型对各项形状记忆性能指标值的预测精度均高于98%,而变异系数则低于2%,后续的验证实验印证了支持向量机模型具有很强的预测性能。