骑行运动中男子下肢体表尺寸变化规律

为更好地设计功能性骑行服结构,分析了骑行运动中男子下肢体表皮肤变化规律。挑选出6个具有代表性的骑行动作,利用体表画线实验法对测试者右腿进行测量,得到男子下肢体表数据并分析数据变化规律。实验发现:腿部各部位皮肤拉伸形变复杂且差异性大,变化率在(-61.10%,110.82%)区间内;腰围线与大腿根围线之间的皮肤形变较为显著,腰围、臀围、大腿根围线的围度变化最显著;在长度方向上,前裆长度减少显著,最小值为-42.01%,到外侧缝线位置减少趋势逐渐减弱,后裆长度增大显著且最大值达61.71%;膝盖的屈伸导致各姿态下膝围区间段的数据变化复杂,且对体长变化影响较大。

登山运动中女子肩臂部位体表尺寸变化规律

为了更科学合理地设计女子户外登山服的衣袖结构,文章分析了登山运动过程中女子上半身与手臂部位体表皮肤的变化规律。挑选6个代表性的动作姿态,利用体表画线法对测试者上半身及手臂皮肤尺寸进行测量,分析数据变化规律。实验发现,靠近腋窝的肩臂部位皮肤拉伸变形较大,分析整线最大伸长率,其中靠近后腋点的背宽线达42%,靠近腋底的纵向线达25%以上,在靠近臂根的位置,手臂横向线达到30%以上,经过肘部的横向线和纵向线均大于20%。分析各区段线段变化率,越靠近腋窝的位置,区间线段变化率越大。在进行结构设计时,需要综合考虑满足前后腋点周围的横向、纵向拉伸量以及腋窝底点周围的纵向伸长量。

基于智能优化的动态人体特征部位尺寸预测

为准确预测人体在运动状态下关键部位尺寸的变化范围,以提高服装精细化设计及智能化定制水平,采集97名18~25周岁在校青年女性特定运动动作的20项特征数据,在对人体体型进行分类的基础上,通过智能分析得出不同体型之间的差异特征。进而选择7种运动姿态下11项尺寸变化数据,结合人体体型特征,建立PSO-LSTM-MC神经网络人体尺寸预测模型,并通过粒子群算法对神经网络的关键参数进行优化,采用马尔科夫残差序列对PSO-LSTM的预测结果进行修正。通过实验对比得出在同等条件下较传统的PSO-BP、LSTM、PSO-LSTM模型预测精度得到有效提高。