订购热线 
 |
  |
为了提高服装的内在品质，近年来国内外服装界的科技人员从制服面料、粘合衬及粘合工艺与粘合后品质的相互关系出发，在服装面料与粘合衬的合理配伍及粘合品质的预测方面已进行了一系列的研究。
研究者已经成功地建立起基于FAST实验测得的织物机械性能，对粘合后复合物的手感和悬垂性进行预测的模型，然后可根据KES织物评价系统来决定服装各部分与衬布的最佳组配方案。但由于忽略了衬布和面料最基本的结构性能对粘合品质的影响，服装设计师也就无法根据面料和衬布的性能来决定理想的粘合组配方案。
鉴于工作服面辅料选配的特点，为适应我国工作服高品质、自动化流水线生产的发展趋势，本文根据国内外的最新研究，对从面料与衬布的基本结构来预测粘合品质的方法进行了探讨。
在工作服定做中，为获得理想的服装外型轮廓，面料及粘合衬的种类和质量必须协调一致，而要了解影响粘合后复合物性能的参数间的相互作用关系需具备大量的专业知识和数据。机器学习样本生成知识库技术能够学习任何特定领域所需的规则及关系，简化了这一过程，为我们提出了一种分析工作服面料和粘合衬性能关系及预测粘合后复合物的性能的新方法。
工作服代表着企业及个人形象，因而工作服既要达到外型美观的要求，又要能充分满足工作活动的需要。粘合衬的使用大大增强了工作服保型及强度等方面的功能。随着工作服的发展和工作服面料种类的不断增多，不断提高工作服衬布选配水平和效率成为重要的课题。
工作服面料与衬布在粘合形成复合物过程中，由于面料与衬布的性能以及粘合条件间各因素的相互复杂作用和影响，使得传统的统计分析方法方差和判别分析都难以完成对粘合后复合物品质的定量评判。人工神经网络及知识库技术由于具有解决非线性问题和强大的学习功能的特点，为我们分析及预测粘合后复合物的品质提供了有效的分析技术和工具。
该类智能方法在国外服装业的研究实践中取得了良好的效果。可以试想这些方法和新技术应用于我国工作服生产，服装设计师可以根据粘合后复合物的品质预测结果来科学、快速地选用衬布，工作服面料与衬布的选用、配伍技术和效率将会大大地提高，将进一步促进我国工作服不断发展。
