排序方式: 共有82条查询结果,搜索用时 0 毫秒
1.
为提高色纺纱计算机配色算法的精准性及适用性,针对目前配色算法难以同时保证理论计算的色差值及配比相对偏差同时最小的问题,以全光谱配色算法为基础,结合经典Stearns-Noechel光学理论模型,探索人眼视觉特性以确定视觉特性对不同波长下反射光的敏感系数,并将其引入配色算法中进行加权计算,预测单色纤维混合配比,同时,综合预测色差值、配比相对偏差值及欧式距离等对配色效果进行评价。结果表明,引入泊松分布赋值人眼敏感系数的配色算法结果最优,平均预测色差值为0.29,且均在1以内,平均配比相对偏差值为0.612,最小,欧式距离均值为0.087,相对较小;改进之后的配色算法通过一次计算即可实现预测色差值最小,且预测配比精准,针对色纺纱可初步实现计算机精准配色。 相似文献
2.
3.
为更好地了解筒状纬编针织物抵抗拉伸变形的能力,基于对织物试样尺寸测量得到的几何结构参数,借助Rhino 3D建模软件建立了纬编针织物线圈模型和筒状纬编针织物模型;同时利用有限元分析软件ABAQUS在单位线圈和筒状织物2个方面研究了筒状纬编针织物的纵向拉伸性能;对织物拉伸过程进行有限元模拟和实验验证,并对针织物拉伸过程中纱线形变和应力分布进行探讨,将有限元仿真结果和拉伸实验结果进行对比分析。结果表明:筒状针织物纵向拉伸时,发生线圈转移和纱线伸长现象,其形变和应力变化的有限元分析结果描述准确,应力-应变数值计算结果与实验结果的差异在8%以内,证明有限元仿真的可行性。 相似文献
4.
为准确预测纺织厂织布车间的织机效率,提出利用BP神经网络、主成分分析结合BP神经网络(PCA-BP)、遗传算法改进BP神经网络(GA-BP)3种模型预测织机效率,并将GA-BP预测模型与传统BP神经网络和PCA-BP预测模型的预测结果进行对比分析。结果表明:GA-BP对原始数据的拟合度最好,相关系数为0.946 87, 比BP增加了6.42%,比PCA-BP增加了2.61%;GA-BP、PCA-BP、BP这3种网络十万入纬的经停仿真值与期望值间的平均误差分别为0.341 2、0.303 1、0.234 1,误差百分率分别为8.63%、7.67%、5.92%,不同网络结构下织机效率仿真预测值与期望值间的平均误差分别为3.010 9、2.688 4、2.118 9,误差百分率分别为3.51%、3.13%、2.47%;3种模型的预测准确度顺序由大到小为GA-BP、PCA-BP、BP。 相似文献
5.
为克服现有的机织物CAD系统只能运行在单机或局域网上的不足,在传统纺织品CAD技术的基础上,结合网络技术和数据库技术开发面向纺织产品设计制造全过程的织物CAD系统。该系统采用B/S模式,并将Web站点和数据存储服务部署到服务器上,用户通过浏览器访问Web站点即可实现织物的在线设计、协同设计、经营管理、权限管理和系统管理功能。同时以组织设计为例进行了实测检验。实测效果表明:织物组织绘制方便,数据更新速度快,能基本满足在线设计的需要。 相似文献
6.
7.
为了解酚醛纤维织物的热湿舒适性,将酚醛纤维织物应用于消防领域,以酚醛纤维织物及消防服常用的阻燃棉布、芳纶1313织物、聚酰亚胺织物为研究对象,对隔热性、保温性、透湿性、透气性和输水性这5个指标进行测试,研究相同面密度的不同种类织物的热湿舒适性。利用灰色聚类分析理论对5个指标进行聚类分析,对这4种织物在不同环境下的热湿舒适性能做了综合评价。结果表明:在高温条件下,酚醛纤维织物具有较好的热湿舒适性,聚酰亚胺织物与阻燃棉布次之,芳纶1313织物最差;在低温条件下,酚醛纤维织物也具有良好的热湿舒适性,聚酰亚胺织物次之,芳纶1313织物与阻燃棉布最差。 相似文献
8.
为探讨酚醛纤维头道并条工艺优化方案对酚醛纤维成纱质量的影响,在酚醛纤维顺利梳理的基础上,对纺纱工艺中的并条工艺进行优化。通过选取因素后牵伸倍数、罗拉中心距(前×中×后)、并条速度作为研究对象,每个因子选取3个水平,指标值为Y311型条干不匀率和质量不匀率,采用正交分析法,研究不同指标、不同优化方案对成纱质量的影响。分别根据条干不匀、质量不匀、多因素矩阵优化方案的计算得到最优方案。将所得到的3种方案通过同样的纺纱工艺,并用乌斯特条干仪测试3种方案得到的细纱。结果表明,酚醛纤维头道并条中采用多因素矩阵优化得到的方案为最优。 相似文献
9.
针对目前大部分色纺企业仍然依靠有经验的配色人员进行人工配色,存在配色效率低、配色精度差等问题,提出运用反向传播(BP)神经网络的方法对色纺纱的黑白纤维混合配色进行预测,并与使用Datacolor MATCH系统模拟染料配色方法和基于颜色混合模型中的Kubelka-Munk双常数理论的配色方法对黑白纤维混合配色的结果进行对比。结果表明:上述3种方法均可对麻灰纱的黑白纤维混合配色进行有效的预测,配方的相对误差基本控制在7.36%之内,且配方样品与标准样品的色差小于1;比较而言,3种黑白纤维混合配色的预测模型中,基于BP神经网络的配色方法适用性及精度最佳,配方的相对误差最高,为3.08%。 相似文献
10.