基于中心组合设计和响应面法优化棉针织物活性染料轧烘轧蒸染色工艺

为优化雷马素红RGB染料对棉针织物的轧烘轧蒸(PDPS)染色工艺,采用中心组合设计(CCD)和响应面法(RSM)考察了4组实验变量(NaCl和Na2CO3质量浓度、预烘时间和汽蒸时间)对染色织物K/S值的影响,建立了相关的预测模型。模型的回归分析、方差分析以及实际染色实验的验证表明,RSM模型可以准确地预测棉针织物在PDPS染色过程中染色条件对K/S值的影响;优化工艺条件为:NaCl质量浓度172.78 g/L、Na2CO3质量浓度38.46 g/L、预烘73 s,饱和蒸汽下汽蒸133 s。

聚醚醚酮涂层制备、改性及应用的研究综述

系统阐述了聚醚醚酮(PEEK)涂层制备研究的进展,着重介绍了静电喷涂、热喷涂、空气喷涂、刷涂和电泳五种涂层制备方法,并评述了这些方法的优缺点和主要应用场合。同时也介绍了PEEK涂层的改性研究,包括采用微纳米无机材料的改性、用聚合物的改性和其他改性方法,最后简单介绍了PEEK涂层的应用,并对其未来的发展方向做出展望。

张力对棉针织物活性平幅染色效果的影响

采用平幅轧烘轧蒸的连续染色工艺,对棉针织物进行活性染料染色。通过对常规染色试样、不均匀张力下轧烘和轧蒸的染色试样进行比较,研究张力对棉针织物平幅染色效果的影响,同时对活性染料在棉纤维中的分布和染色牢度进行评估。结果表明,张力对棉针织物平幅染色效果影响较大,活性染料在棉纤维截面上分布均匀,染色牢度好。

机器学习在纺织物染色中的研究进展

机器学习的发展在织物染色节能减排中起重要作用。在不同操作条件下,如何选择合适的机器学习算法成为解决问题的难点。为了更好地推广机器学习在纺织物染色中的应用,从理论背景和实际应用两方面对目前纺织物染色中的机器学习进行综述。首先简要介绍织物染色中应用的算法理论背景,包括最小二乘回归、支持向量回归、人工神经网络;然后介绍这些算法在织物染色中的实际应用;最后讨论不同算法的优缺点和机器学习在织物染色领域的发展趋势。