文摘
随着生活质量的提高,人们越来越重视服装的舒适性能,热湿舒适性的评价服装舒适性的一个重要组成部分,指的是人体保持在一个合理的热性能和湿状态。当人体出汗很多或者是在高度潮湿的环境中,服装面料将浸泡让人感觉潮湿,严重影响服装穿的舒适性能,和传感技术的快速发展,人类服装的舒适可以通过各种遥感数据综合评估(服装压力、温度、湿度、和心率)。因此,如何分析和处理这些数据,建立客观、准确的评价标准对服装舒适性是一个很困难的问题,吸引了许多研究者的关注。在本文中,一种改进的模糊c均值聚类算法内核使用内核函数来分析人类活动在特定点的压力。无监督聚类分析进行了五聚类指标(意思是,压力范围内,温度范围内,湿度范围,和心率变异性)。集群由支持向量机样本学习和歧视决定服装的舒适度。该方法可以应用于multi-indicator和multiclassification问题,为智能服装研究人员提供一个智能、客观、准确评价服装舒适性的方法。本文设计的实验表明,该方法具有良好的性能体验平均值而言,压力范围内,温度范围内,湿度范围,心率变异性。
1。介绍
随着时代的进步,人们的生活水平继续提高,和人们的要求,服装不仅仅是一个华丽的外表,但也更加注重舒适的穿衣服的感觉。调查,问卷调查显示,78.5%的消费者的调查结果对服装舒适需求远高于样式、工艺、和价格的衣服1,2]。在这种情况下,它要求服装具有良好的水分毛细作用和其他功能,确保服装具有良好的热湿舒适性能,因此,人类的身体处于舒适的状态。
目前,消费者越来越注重舒适的衣服。特别是,经过几十年的发展,舒适的服装分为湿热舒适性,接触舒适,适合(运动)安慰和视觉舒适。舒适的服装主要包括热湿舒适性、接触舒适性,身体(体育)舒适,视觉舒适(3,4]。研究表明,在湿热的舒适,接触安慰,和身体(体育)安慰人类穿着舒适的贡献比率为61.5%,11.5%,和9%,分别为(5),可以看出服装湿热舒适更重要的部分服装舒适(6]。
服装舒适性的一个重要组成部分,是国内外最广泛的研究领域,分析了热量和水分交换法律之间的集成的人体,衣服,和环境从更深层次和更广泛的视角。因此,许多学者做了相关研究,例如,从纤维的组成、结构和性能的纤维7];从纱线的角度对纱线的性能,扭曲,毛羽等。8];从面料的角度对织物的性能和结构等方面9];也有越来越多的学者和专家在不同类型的服装的研究和开发10,11]。这些研究也提高人们的舒适穿着服装在不同程度,但仍有许多问题需要研究和探索后续学者。
智能服装是服装的延伸和扩展,但它仍然是一个类型的服装,所以人体的舒适穿着的时候必须考虑。舒适的衣服意味着随着服装的发展,人们越来越重视穿着时舒适感觉服装来满足他们的生理和心理需求12,13]。因此,在服装的设计与生产过程,有必要考虑穿着时人体产生的舒适感觉。如今,许多消费者把舒适的服装作为服装选择的主要参考标准(14]。和更多研究人员的服装材料,服装风格服装舒适作为一个关键的研究课题。智能服装也是服装的组合和信息技术、小型化和灵活的电子元件植入先进的纺织原料和纺织技术使它有信息感知、计算分析、沟通、和其他功能(15,16]。它可以提供智能分析、决策支持和反馈给用户根据环境的变化目前在一个特定的环境中工作的人。
为了实现智能服装的功能,有必要结合关键技术如纺织、通信、计算机、微电子学。自智能服装需要足够的便携式、低能源消耗和持久的生产和应用,柔性传感器和功能性纺织品、灵活的发电和储能设备,灵活的显示设备,低功耗芯片和电路板,灵活的柔性连接,灵活的设备处理和包装技术,新的测试工具,信息安全关键技术在智能服装是必不可少的。
这些研究也提高人们的舒适穿着服装在不同程度,但仍有许多问题需要研究和探索后续学者(17,18]。聚类后的样本是由支持向量机来确定学习和歧视舒适的衣服。这种方法可以应用于多索引multiclassification问题和提供一个智能、客观和准确的服装舒适性评价方法智能服装的研究人员。本文设计的实验表明,该方法具有良好的性能平均值的经验,压力范围内,温度范围内,湿度范围,心率变异性。
2。多功能服装设计系统和评价系统
目前,针织服装是最紧密整合纺织智能可穿戴设备和服装之间的类别,其灵活性和weaveability更符合当前的发展趋势(19];因此,针织服装相结合的方法,主要是考虑和最聪明的可穿戴设备传感器组件(19]。随着传感器小型化和区域化的发展,可穿戴设备的布局是不再局限于部分但人类服装的全身域网络。除了与人体相互沟通,交流信息,它可以监视、收集和传输交互数据从周围环境。
因此,探讨智能可穿戴设备的组合和目标消费者的服装从几个方面来满足目标消费者的需求功能服装在特定环境中(或特定的安全的情况下)的安全,舒适,和设计美学。基于深入了解目标消费者的需求,我们选择合适的智能可穿戴设备(匹配目标的特征信息),探索结合功能性服装的形式订立设计过程,可以平衡功能和美学。图1显示的基本过程的研究结合智能可穿戴设备与目标消费者的服装。
随着移动终端的普及,如智能手机和ipad,大多数嵌入式智能设备依赖移动终端接收和分析数据。目前,可穿戴设备和移动终端主要通过短程无线传输,传输数据,如蓝牙(Bluetooth),无线个域网,Wifi,光富达(LiFi)技术20.,21]。可穿戴设备和移动终端之间的交互主要是单向的,即,the interaction between wearable devices and terminals is relatively single, and the degree of data sharing is low, which affects the functional effect of the products. Therefore, in order to achieve high service efficiency of information processing between wearable devices and terminals, it is necessary to study the data information transmission and interaction between wearable devices and between wearable devices and mobile terminals, i.e., multi-interaction.
智能可穿戴设备数据传输的多重交互的框架如图2。
为多个智能可穿戴设备和移动终端之间的交互方法,本文将信息交互方法划分为两类:一是信息交互引发的人类行为,如触摸并单击和行为识别;另一种是行为的精确监测和解释语言通过无线数据传输技术,仍不成熟。
在本文中,我们建立一个连接智能可穿戴设备和移动终端之间通过目前相对成熟的近场通信技术(例如,FC技术),蓝牙技术,iBeacon技术(22,23]。多元化和足额的交互模式之间建立多个智能可穿戴设备和移动终端,和低耗和多功能优化连接方案总结道。
提出了一种多功能服装服饰生产过程的评价体系基于相关文献的研究方法。首先,服装的设计美学,如风格,颜色,面料,评估使用形式美的原则;那么它的功能被全面测试,包括物理测试、可穿戴(互动)技术测试,考虑到舒适、安全、经济和其他因素,安全测试和结构连续性测试,使其工业价值。多功能服装设计评价体系如图3。
3所示。基于模糊c均值聚类算法
一种改进的模糊核聚类算法,称为模糊ISODATA聚类算法,使用关系来确定每个数据点的程度属于一个特定的集群。在许多复杂的实际应用,有必要更换核函数在线性空间更富有表现力的高维空间。非线性问题转化为线性问题通过构造新的特征向量,最后在高维特征空间聚类。
F的特征空间,改善FKCM聚类算法的目标函数表达式 在哪里 是一个模糊指数,也称为加权指数;一个整数 是集群的数量分类;的隶属度th样本属于第一类;是th样本;和分别代表了图像特征空间的样本和集群中心 ,所以的距离吗th样本的内核空间集群中心。
它也可以表示为 在哪里是一个常数。用方程(3)方程(2),我们得到
方程的最小值(5)是优化条件,相应的样本隶属函数和表达式可以获得集群中心
指标权重系数引入FKCM核函数的聚类算法可以提高FKCM聚类算法的准确性。因此,在服装舒适性指标的聚类分析算法的高斯核函数被修改
在他们中间是权重系数。
由于每个指标都有不同程度的重要性的判断服装舒适,有必要确定每个指标相对应的重量。其中,主观权重方法分为层和德尔菲法。这个方法是成熟和容易使用。因此,本文使用德尔菲法来确定相应的指标权重值。
总之,改进FKCM算法的基本步骤如下:(1)数据预处理确定集群的数量 ,模糊系数 ,和尺度参数和函数,初始化成员矩阵 ,并设置迭代精度(2)更新会员矩阵根据方程(6)(3)计算核函数(4)如果 ,停止迭代,得到集群中心 ,和会员矩阵 ;否则,返回步骤(2)。
4所示。基于支持向量机的数据分类原则
多索引样本集之间建立一个相应的模型聚类类别通过一定的规则和服装舒适度。之间的关系在此过程中,一个单一的指数和穿着舒适的整体舒适的主题和它的重要性可以被认为是在同一时间。建造这个模型提供了一个量化的评价标准服装舒适,使服装舒适更客观的评价。本文运用支持向量机进行分类集中的结果。
假设给定的可分样本数据 在哪里 。维空间中的线性判别式
分类超平面方程
在他们中间权向量;是偏差向量。
2型样本到超平面的距离 ,当是最小的,间隔距离是最大的。
引入拉格朗日乘数法的收益率
其中, 是拉格朗日乘子; . .
结合方程(12),优化二元方程和最优分类函数得到
服装舒适性分类问题在本文中是一个线性不可分的问题。因此,决定需要取而代之的是内核函数,函数和最优超平面分类函数得到
摘要集群样本分为两部分;一部分是用来学习,建立了服装舒适性的判别规则。剩余的样品所建立的判别规则,判断和确定它们的类型,区分衣服的舒适度。
5。舒适的实验和分析
为了保证实验结果的准确性,30名志愿者选择穿紧身服装和执行相同的操作一样受试者在第3章,并收集四个定量指标的压力、温度、湿度、和人类心率人体与服装之间,并要求受试者的主观感受在实验;1代表不适,2表示安慰。简单加工后所收集的数据系统,服装舒适性进行了分析。本文选择五个参数作为评价指标。其中,平均和范围的压力点 , , , ,和作为两个压力指标;它所表达的是压力,单位是pa:温度范围值点用作温度指数和单位°C;极端的湿度差值点用作湿度和程度指数的单位为%:心率变化率在人类实验作为心率歧视指数和单位是4%。
选择30名学生的物理参数和服装舒适性的主观评价实验如表所示1:
实验后,特定的值的五个安慰30学科评价指标如表所示2:
基于改进的FKCM集群基于MATLAB平台。确定模糊系数 ,规模参数 ,和迭代精度0.00001。使用Del裴方法来确定相应的权重系数 服装的舒适指数集。KF的聚类有效性指标改善FKCM聚类分析结果用于确定最优的分类如表所示3。可以看出,KF索引值表明,样本数据集分为两类,即聚类类别的数量 。
集群中心矩阵当服装的舒适是分为两类
从指标之间的关系是非线性的,普通的线性分类不再适合服装舒适性的评价。摘要LIBSVM软件由国立台湾大学教授林智仁用于multiclassification和区别的模式24]。C-SVC SVM类型被选中,选择高斯核函数的非线性变换,损失函数P是01,终止标准是0.001。15组测试样本选择两种类型的对象,包括8个样品第一类和7在第二类样本。识别结果如表所示4。可以看出,判断模型准确地识别样本的类。
本文基于改进的聚类算法FKCM,聚类后的舒适指数的样本30多次,确定两类最优数量的集群。和使用支持向量机学习的一些样本,建立判别规则,并使用这个规则来区分舒适的剩下的样品,以确定判别规则的准确性。实验表明,服装舒适性评价方法的基础上,结合改进FKCM集群和本文提出的支持向量机可以智能地分类和识别服装舒适和避免主题的判断和评价过程中主观因素影响的结果。它提供了一个参考和评价方法为安慰歧视智能服装的生产人员和还提供了一种研究思想为下一个多级舒适度评价。
6。面料在不同水分含量
为了获得隔热面料的性质的变化在不同的水分含量,本节将从以下两个方面。
6.1。改变织物的导热系数不同的含水量
T提供的运动服装面料服装被选为实验材料进行测试,主要是10种编织和针织面料。这10个面料被放置在一个恒温恒湿室(环境温度: °C;环境湿度 %)为12小时,面料的基本参数进行了测试。结果如表所示5。
上述10种面料统一处理水分,和准备的面料被安置在去离子水使他们完全湿了,然后他们被放置在一个恒定的温度和湿度的房间,直到织物含水率达到含水率测量。测试后率要求。根据不同的织物类型,机织物的水分含量是5%,10%,15%,和18%,含水率的针织面料被设置为10%,20%,30%,40%,50%,60%。
整个过程的实验是在一个恒定的温度和湿度的房间里完成。10种织物的导热系数和面料的保温率进行了测试使用KESF-7精确的瞬时热性能测试仪。测试过程完成后根据实验仪器的要求。这个实验是获取热导率的测试结果和织物的隔热率在不同水分含量并绘制成一条直线图,和变化规则如下。
6.2。不同水分含量对织物的导热系数
读导热系数的测试结果与不同水分含量对织物KESF-7精密瞬时热性能试验机C。
以下将平均5每个织物的测试结果,将数据结果导入到原点的软件,和图上画一条线的热导率与含水率的变化机织物和针织物,如图4,北黄海图中的横坐标代表含水率的织物和针织物,纵坐标代表织物的热导率,和折线图表示织物的导热系数的变化与水分含量的增加。
通过观察图4,可以发现,在织物处理后的水分,织物的热导率随含水率的增加。这是因为随着含水量的增加织物,织物中包含的静止空气的内容减少,织物的热导率的增加,织物的热导率的增加,织物的热性能和减少。一般来说,织物的传热性能与结构、密度、厚度、含水率等因素的材料。不同的面料,面料的热导率是受含水率不同程度的影响。(1)机织物的导热系数的变化规律受含水量的影响
从图可以看出4编织的导热系数1 #编织5 #面料随含水率的增加,和机织物的热导率随含水率的增加。趋势是逐渐放缓。(2)针织面料的热导率的变化规律受含水量的影响
从图可以看出4针织的导热系数6 # 10 #针织面料展示了一个持续增加的趋势随着水分含量的增加。水分含量小于40%时,热导率不同的针织面料,热导率的增加趋势不同的针织面料不同,水分含量大于40%时,热导率的增加趋势不同的针织面料接近相同。这主要是由于不同形式的纤维中水分,这可能是由于水分含量小于40%时,织物中的水分主要存在于束缚水和中间的状态。
其中,当针织8 #织物的含水率达到20%,织物的热导率显著增加,这几乎是织物的2.3倍时,水分含量为10%。这主要是因为当织物的含水率为10%,织物的表面几乎没有湿的感觉,类似于nonmoist状态。含水率为20%时,纤维开始感到湿,因为针织8 #织物较大,当织物中的水分的增加,织物中的空气含量显著减少,导致织物的导热系数的增加,大大降低了织物的导热系数。
当10 #针织织物的含水率小于40%,织物的传热速率变化缓慢的增加水分含量,这可能是由于棉纤维吸湿膨胀与棉花和涤纶混合后,含水量后,织物的厚度增加。
6.3。不同水分含量对织物的隔热率
KESF-7精度瞬时热性能测试仪是用来测试织物的保温率在不同湿度下内容,和织物保温率的变化在不同水分含量是通过保温率的计算公式,如
的方程,空板的热功率,织物覆盖时的热功率。
以下将每个织物的五个测试结果的平均值,数据导入到原点软件,画一条线图形的隔热率的变化织物含水率,并分析机织物和针织物,分别。如图5,折线统计图的横坐标代表了含水率的织物和针织物,纵坐标代表织物的隔热率,和折线图代表保温率的变化与含水量的增加织物的发生。
(一)
(b)
通过观察图5,可以发现,随着含水率的增加,隔热率的变化趋势的两个面料是大致相同的,也就是说,面料的隔热率显示了一个下降趋势与水分含量的增加。保温率的具体变化规律受水分影响的机织物和针织物如下。(1)保温率变化规律的机织物含水率的影响
从图可以看出5(一个)编织的隔热率1 #和5 #纤维织物节目连续下降趋势随着含水率的增加,但保温率的下降趋势是机织物的不同而不同。水分含量达到18%时,热绝缘编织1 #,2 #编织,编织5 #面料往往是稳定的。(2)保温率变化规律的针织面料受含水量的影响
从图可以看出5 (b)针织的隔热率6 # 10 #针织面料展示了一个连续下降趋势随着水分含量的增加。当含水率在10%和20%之间,隔热率的下降趋势的面料是最明显的。这主要是因为含水率为10%时,织物的表面几乎没有水分的感觉类似于状态没有水分和具有一定的保温性能,而当含水率20%,织物的表面感觉湿湿的,隔热织物的性能变化明显不同。
6.4。重大影响的分析不同水分含量对保温面料的性能
为了准确判断的意义不同水分含量的影响保温性能的面料,进行方差分析测试结果进行进一步的探索。
,双因素方差分析通常分为单因素和多因素方差分析实验数据的数量根据实验因素的研究。这是一个重要的实验研究方法,分析实验数据。它可以分析各种因素的各自功能,使定量估计。因为影响织物的热性能的因素在这个实验中包括不同的面料,不同含水率、方差分析方法的双重独立观测值测试的结果被选中。
热导率的实验结果面料在不同水分含量和织物的隔热率在不同水分含量,采用SPSS软件进行了处理和分析,和下面的结果。
方差分析的统计结果不同含水率的影响机织物的导热系数如表所示6,因素织物的含水率,分为4个水平,和因素呢机织物不同,分为5个层次。
表中,平方和和团体不同含水率的因素是0.0003,5.109 e-5, 16.293,和0.0003,分别。平方和,自由度,意味着广场,不同的机织物,sig值是0.001,,0.000,88.383,和0.000,分别。sig值表示显著性检验的结果。当它小于0.05,零假设被拒绝,和因素被认为是对结果产生重大影响;大于0.05时,零假设被接受,和因子被认为没有显著的结果,和越高价值,更重要的结果。大值显示更多的显著差异。
在表6平方和和团体不同含水率的因素是0.0003,5.109 e-5, 16.293,和0.0003,分别。平方和,自由度,意味着广场,不同的机织物,sig值是0.001,,0.000,88.383,和0.000,分别。sig值表示显著性检验的结果。当它小于0.05,零假设被拒绝,和因素被认为是对结果产生重大影响;大于0.05时,零假设被接受,和因子被认为没有显著的结果,和越高价值,更重要的结果。大值显示更多的显著差异。
从表可以看出7sig < 0.001的因素表明,与不同的水分含量有显著差异的面料在不同含水率下的导热系数;团体。< 0.001机织物的不同因素表明之间的导热系数不同的机织物。有显著差异在机织物的热导率,这表明含水率显著影响机织物的导热系数。
方差分析的统计结果不同含水率的影响针织面料的热导率如表所示7,因素织物的含水率,分为6个级别,和因素呢针织面料不同,分为5个层次。
在表中,针织面料的团体与不同含水率和不同的因素是0.000和0.004,分别。因素与不同含水率团体< 0.001表明,热导率有显著差异的面料在不同水分含量;sig < 0.001为不同的针织面料表明之间的热导率有显著差异不同的针织面料。因此,水分含量有显著影响针织物的热导率。
7所示。结论
面料是服装生产的物质基础,发挥着不可或缺的载体作用,织物和服装相互依存,密切相关。通常织物的传热传湿性能影响人类穿衣服的热量和湿气的舒适性能,两个有着密切的相关性。在本文中,衣服的舒适性能是由不同的算法研究。首先,服装的热湿舒适性能评估不同的潮湿环境下真实的人穿着实验,和热量和水分传输性能的织物在不同含水率下的利率是由物理测试方法进行测试。然后一个合适的聚类方法选择集群和分析已知的机密数据建立一个合适的数据分类模型。最后,集群数据分为两个部分,通过向量机学习或判别分析方法来确定分类规则,然后使用规则区别其余部分的数据来确定它的类型,以确定判别规则的准确性。机织物的团体和因素与不同的水分含量是0000和0.148,分别。Sig < 0.001的因素表明,与不同的水分含量有显著差异在绝缘的面料不同的水分含量,而团体。> 0001机织物具有不同因素表明,隔热率没有显著差异的不同的机织物。
数据可用性
使用的实验数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称,关于这项工作他们没有利益冲突。
确认
支持本研究研究摩擦舒适的新服装面料基于长跑(没有。jz180909)。