• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Fibres & textiles in Eastern Europe >Use of Artificial Neural Networks for Modelling of Seam Strength and Elongation at Break
【24h】

Use of Artificial Neural Networks for Modelling of Seam Strength and Elongation at Break

机译：使用人工神经网络建模接缝强度和断裂伸长率

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The strength and elongation at break of a seam are very important characteristics of comfort clothing. Optimum seam strength must be durable enough to do our daily activities easily. Some parameters such as the type and count of the sewing yarn, the seam density, the size of the sewing needle, and type of stitch affecting the strength and elongation at break of the seam. In this study two kinds of fabrics (gabardine and poplin) were chosen for experiments. As sewing parameters, two different types of stitches (plain and chain stitch), five seam densities (3, 4, 5, 6 and 7 seams/cm), two kinds of sewing needles (SPI and SES), and three kinds of sewing yarns (cotton, core-spun, and PBT yarns) were used in experiments. With these materials 120 different seam variations were developed. Each sampless seam strength was tested according to the ISO 13935-1[1] standard using an Instron 4411 instrument. After the testing process, an artificial neural network model was developed to predict the seam strength and elongation at break values. The test results were applied to multi layer perceptron and radial basis function neural network modeling. These two neural network types were compared in terms of the accuracy of the modeling system. The results show that the artificial neural network model produces reliable estimates of seam strength and elongation at break (R=l, MSE=3.33E-05).%Wytrzymałość szwu i wydłużenie przy zerwaniu są bardzo ważnymi cechami ubrań z punktu widzenia wygody noszenia. Optymalna wytrzymałość szwu musi być wystarczająco duża, aby z łatwością wykonywać nasze codzienne czynności. Niektóre z parametrów, takich jak typ oraz numer przędzy, gęstość szwu, rozmiar igły do szycia, typ ściegu wpływają na wytrzymałość szwu i wydłużenie przy zerwaniu. Badania przeprowadzono na dwóch rodzajach tkanin (gabardyna ipopelina), stosując dwa różne rodzaje szwów (proste i łańcuszkowy), szwy o pięciu gęstościach (3, 4, 5, 6 i 7 szwy/cm), dwa rodzaje igieł (SPI i SES) i trzy rodzaje przędz (bawełniana zwykła, rdzeniowa i przędze PBT), otrzymując 120 wariantów szwów. Wytrzymałość każdej próbki została zbadana zgodnie z normą ISO 13935-1 za pomocą przyrządu Instron 4411. Następnie, opracowano model sztucznej sieci neuronowej w celu przewidzenia wartości wytrzymałości szwów i wydłużenia przy zerwaniu. Wyniki badań zostały przetworzone w wielowarstwowym perceptronie i funkcji radialnej modelowania sieci neuronowej. Obydwa typy sieci neuronowych zostały porównane pod względem dokładności modelowania, stwierdzono, że za pomocą modelu sztucznych sieci neuronowych można uzyskać wiarygodne wyniki (R = 1, MSE = 3.33E-05).
机译：接缝的强度和断裂伸长率是舒适服装非常重要的特征。最佳接缝强度必须足够耐用，以便我们轻松进行日常活动。某些参数，例如缝纫纱线的类型和支数，接缝密度，缝针的尺寸以及针迹的类型，会影响接缝的强度和断裂伸长率。在这项研究中，选择了两种织物（gabardine和府绸）进行实验。作为缝纫参数，有两种不同类型的针迹（普通针和链式针迹），五种针迹密度（3、4、5、6和7针/ cm），两种缝纫针（SPI和SES）以及三种缝纫在实验中使用了纱线（棉，包芯纱和PBT纱线）。利用这些材料，开发了120种不同的接缝形式。使用Instron 4411仪器根据ISO 13935-1 [1]标准测试每个样品的接缝强度。在测试过程之后，开发了一个人工神经网络模型来预测接缝强度和断裂伸长率值。测试结果应用于多层感知器和径向基函数神经网络建模。根据建模系统的准确性比较了这两种神经网络类型。结果表明，人工神经网络模型可得出可靠的接缝强度和断裂伸长率估计值（R = l，MSE = 3.33E-05）。％Wytrzymałośćszwu iwydłużenieprzy zerwaniusąbardzoważnymicechamiubrańz punktu widzenia wygody。 Optymalnawytrzymałośćszwu musibyćwystarczającoduża，by złatwościąwykonywaćnasze codzienneczynności。 Niektórezparametrów，takich jak typ oraz numerprzędzy，gęstośćszwu，rozmiarigłydo szycia，Typścieguwpływająnawytrzymałośćszwu iwydłużenieprzy zerwaniu。 Badania przeprowadzono nadwóchrodzajach tkanin（gabardyna ipopelina），stosującdwaróżnerodzajeszwów（proste iłańcuszkowy），szwy opięciugęstościach（3、4、5、6 i 7 s） trzy rodzajeprzędz（bawełnianazwykła，rdzeniowa iprzędzePBT），otrzymując120wariantówszwów。 Wytrzymałośćkażdejpróbkizostałazbadana zgodnie znormąISO 13935-1 zapomocąprzyrząduInstron 4411。 WynikiBadańzostałyprzetworzone w wielowarstwowym感知器和funkcjiradialnej modelowania sieci Neuronowej。 Obydwa typy sieci neuronowychzostałyporównanepodwzględemdokładnościmodelowania，stwierdzono，żezapomocąmodelu sztucznych sieci neuronowychmożnauzyskaćwiarygodne Wyniki（3，R = 3.）

著录项

  • 来源
    《Fibres & textiles in Eastern Europe》 |2013年第5期|7117-123|共8页
  • 作者

    Zehra Yildiz; Vedat Dal; Muhammet Uenal; Kazim Yildiz;

  • 作者单位

    Department of Textile Education, Goztepe Campus Kadikoy, Istanbul, Turkey;

    Department of Textile Education, Goztepe Campus Kadikoy, Istanbul, Turkey;

    Department of Electronic-Computer Education, Technical Education Faculty, Marmara University, Goztepe Campus Kadikoy, Istanbul, Turkey;

    Department of Electronic-Computer Education, Technical Education Faculty, Marmara University, Goztepe Campus Kadikoy, Istanbul, Turkey;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    textile fabrics; artificial neural networks; seam strength; modeling;

    机译：纺织面料;人工神经网络;接缝强度造型;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号