办公椅座面热舒适性探究

文章主要对办公椅座面的热舒适性进行探究,介绍了办公椅热舒适性的意义和研究现状,提出了影响办公椅座面热舒适性的三大因素分析:材料、厚度和形态以及温度和湿度两大测试指标。     

针织服装舒适性探究

服装的舒适性包括视觉舒适性、触觉舒适性和热湿舒适性。本文试从这三个方面分析针织服装的面料选择、款式的设计、结构的设计及工艺处理等问题。     

婴儿服装的舒适性及安全防护性设计

本文主要从服装的温热舒适性、活动舒适性、触觉舒适性以及安全性能方面分析婴儿服装的面料选择、款式的设计、结构的设计及工艺处理等问题。     

婴儿服装的安全防护性及舒适性设计

本文主要从服装的安全防护性能、湿热舒适性、活动舒适性及触觉舒适性角度分析了婴儿服装的面料选择、款式设计、配饰设计以及工艺处理等问题.     

服装材料de舒适性能

舒适性能的概念 近年来,国内外对服装舒适性作了很多的研究工作,日本、美国和德国等国家均己设立了相应的研究项目和组织,并形成标准,国内对舒适性能的研究在80年代才开始。舒适性的含义很广,通常可分为心理上的舒适和生理上的舒适。心理上的舒适包括色彩、款式和对某种场合穿着的适合性,而生理上的舒适包括:热湿舒适性、触觉舒适性以及服装的适体性等。服装适体性主要是服装设计人     

内衣面料触觉舒适性数字化分析与评价模型的建立

针对面料触觉舒适性的主观评价不稳定、标准不统一的问题,该文提出一种基于面料物理性能指标的面料触觉舒适性数字化评价模型。借助织物触感仪测试50款市售内衣面料的力学性能,得到反映织物弯曲、压缩、热传导、表面摩擦和粗糙性能的18项物理性能指标,并衍生出3项感官评价指标以及综合触感评分,以此为基础分析织物物理性能与触觉舒适性的关系,进而建立触感的数字化评价模型,并通过主观实验验证其有效性。研究结果表明,该数字化评价模型回归拟合优度高,主客观实验的评价结果与预测结果一致性高,模型预测效果好。     

服装压力舒适性的研究进展

服装舒适性包含3个潜在的独立感觉因子:热湿舒适因子、触觉舒适因子、压力舒适因子。压力舒适性作为服装总体舒适性的一部分,对服装舒适性有积极影响。医学研究认为过大的服装压力对人体健康有害,因此服装和面料的设计应满足着装者基本运动的需要。着装的压力舒适性研究是服装穿着舒适性研究中相对新的领域。论述了服装压力舒适性的研究范畴,服装压力的产生原理以及服装的合体性与压力舒适性之间的关系。并具体阐述服装压力舒适性的主、客观评价方法。同时进一步论述了国内外对于该领域的研究进展及其研究意义。     

鞋类舒适性的研究与实践

鞋作为一种日常消费品,其穿着舒适性应该是除护脚之外的基本功能之一。舒适性的含义很广,通常可分为心理上的舒适和生理上的舒适。鞋类产品在心理上的舒适包括色彩、款式和对某种场合穿着的适合性;而生理上的舒适包括热舒适性、湿舒适性、触觉舒适性和运动舒适性等。鞋类产品能否引起消费者心理上的愉悦感主要取决于产品的造型设计,而生理上的舒适感则与产品结构、制鞋材料和加工工艺等因素有关。     

鞋类舒适性的研究与实践

鞋作为一种日常消费品，其穿着舒适性应该是除护脚之外的基本功能之一。舒适性的含义很广，通常可分为心理上的舒适和生理上的舒适。鞋类产品在心理上的舒适包括色彩、款式和对某种场合穿着的适合性：而生理上的舒适包括热舒适性、湿舒适性、触觉舒适性和运动舒适性等。鞋类产品能否引起消费者心理上的愉悦感主要取决于产品的造型设计，而生理上的舒适感则与产品结构、制鞋材料和加工工艺等因素有关。     

针织内衣结构对内衣穿着舒适性的影响

就针织内衣结构对内衣穿着过程中舒适性的影响作了详细分析,总结了针织内衣结构对视觉舒适性、触觉舒适性和热湿舒适性这三方面产生影响的主要原因,并提出了相应的解决方法。     

服装压力舒适性在运动服中的应用

文章介绍了服装压力舒适性的研究现状,探讨了服装压力产生的原因及其评价方法,阐述了服装压力舒适性在几种运动服中的应用。     

基于K-means聚类算法和BP神经网络的稻米品种鉴别

BP神经网络是利用误差逆向传播训练的前馈网络,具有自适应、实时学习的特点,在分类中广泛应用。但当样本类别过多,BP神经网络的分类精度显著降低。基于此,本研究提出了一种K-means聚类算法和BP神经网络相结合的方法作稻米品种鉴别。利用图像处理方法提取出11种稻米样品的灰度平均值、长宽比和圆形度三项特征参数,利用K-means聚类算法对所得数据进行聚类,聚类的结果作为BP神经网络的输入,训练得到分类器。实验结果表明,这种算法的分类效果要优于单一使用BP神经网络和K-means算法,且分类准确率达到80%,可见本实验的方法用于稻米品种鉴别是可行的。     

织物柔软度等级评价的BP网络方法

文章基于织物柔软度等级评价体系,建立一个织物力学指标与柔软度关系的BP神经网络模型,对织物柔软度进行评价。借助KES-F风格仪测得的12组数据对BP神经网络进行训练,训练好的模型对织物进行检验。结果表明：网络迅速完成训练,误差平方和低于10^-3;对检验用的织物进行等级评价,其输出等级与综合评价等级保持一致。此方法客观、准确、简捷。     

白酒的饮用舒适度研究进展

酒的饮用舒适度是人体对所饮用酒的最直接最亲身的体验表现,它最真切的反映了酒的质量好坏。该文通过文献调研、报刊资料查阅、专家学者访研等途径对白酒舒适度研究的进展进行综合论述,并尝试对研究现状和发展趋势进行分析,旨在为指导大健康发展背景下的白酒质量提升及一带一路下的我国白酒国际化实践提供参考。     

木棉纤维的吸湿排汗性能测试

服装面料的吸湿导湿性与服装穿着舒适性密切相关。为了获得较好的穿着舒适性,针对木棉纤维天然环保以及在光泽、手感、吸湿性、保暖性方面具有独特优势,分别测试和分析了木棉纤维、棉纤维、Coolplus纤维对水和汗液的吸湿导湿性能。通过比较分析发现:在这些纤维中,木棉的吸湿性良好,导湿性最好,其对水的吸湿率为115%,导湿率为99.13%;对汗液的吸湿率为189%,导湿率为93.65%。     

服装压力与人体舒适性之关系

从服装压力与人体舒适性关系、服装压力研究的理论基础与以往的研究基础、学科领域发展中的重大贡献介绍、服装压力的测定等4个方面对目前服装压力与人体舒适性关系的研究进行综述,并讨论了如何用数字化模拟的方法建立三维动态服装压力分布模型。     

神经网络技术在预测织物透湿性能上的应用

用蒸发法测试了几种织物的透湿性能,应用神经网络对织物结构参数与透湿性能之间的关系进行了深入研究.利用MATLAB建立神经网络模型,选择最佳网络参数并对网络进行训练.通过应用实例提出了如何处理试验数据的方法,并通过建立大量的BP网络进行比较,筛选出最具应用价值的网络.用该网络对未经训练的试样进行相对透湿率预测,发现预测结果与实测值非常接近.说明用神经网络对各种织物进行透湿性预测是可行的.     

基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测

为了提高对阀控铅酸盐蓄电池劣化程度的预测准确度,构建了一个具有自学习功能的BP神经网络预报模型,使用不同放电深度下的192组数据对BP神经网络进行训练和学习,然后使用训练好的BP神经网络对实时采集到的数据进行预报和分析,预报准确率达93%以上,证明预报模型具有较高的可靠性.     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。