涤棉织物染色免还原清洗短流程工艺开发

针对传统涤棉织物染色工艺流程长、耗时久、助剂用量大、耗水量大等问题,使用涤棉织物染色后一浴皂洗剂,开发染涤后免还原清洗直接染棉皂洗新工艺。与传统工艺相比,新工艺染涤后无须做还原清洗,直接染棉进行一浴皂洗,染色能耗降低,染后织物清洗用水减少,生产效率提升;工艺时间缩减28.00%以上,吨布耗水、耗电、耗汽分别节约24.50%、26.61%、6.99%,吨布助剂节约成本318.02元。使用新工艺进行涤棉织物染色,对织物色牢度、物性指标测试,统计能耗及助剂成本方面有明显优势,物性指标、各色牢度测试结果较传统工艺提升,助剂和能耗成本降低,符合现代化印染行业节能降耗、绿色发展趋势。

织物染色、印花生产废水处理技术

采用混凝沉淀酸化水解悬挂链曝气生物碳组合工艺处理织物染色、印花生产废水。处理后出水CODCr≤100mgL,去降率≥93%;各项水质指标均稳定的达到了(GB428792)纺织染整工业水污染物排放一级标准。

环状低聚物含量的测试方法及其对涤纶生产以及后加工和织物染色的影响

讨论直接纺生产过程中,环状低聚物含量对纺丝、拉伸过程中施加纺纱油剂工艺控制的影响,通过分析测定环状低聚物的含量,寻找出其对涤纶短纤维可纺性和织物染色的影响程度和原因。

基于多项式拟合的数值分析方法在织物染色配色中的应用

从织物染色配色的特点和颜色的混合性理论出发,对配色过程中的相关问题进行了分析与抽象,提取主要影响因素,忽略次要因素,在分析染色小样数据的基础上,找出了相同配方浓度与染色小样的三刺激值CMY之间的变化规律,建立了一种基于染色小样的CMY值与染料浓度关系假设的织物染色配色数学模型,并运用多项式拟合的方法对模型进行了求解和验证。实验结果表明,在相同浓度下建立的求解模型,方法简单,误差小,能够满足实际染色配色的要求。

胺化活性红195/聚合物微球的制备及其在棉织物染色中的应用

针对活性染料水解导致染料利用率低和环境污染等问题,采用乙二胺改性活性红195/聚合物微球制备了胺化活性红195/聚合物微球。探究了初始体系pH值、乙二胺质量分数、改性温度和时间对胺化活性红195/聚合物微球粒径和Zeta电位的影响,并考察在最佳工艺条件下制备的胺化活性红195/聚合物微球染色阳离子化棉织物的K/S值和颜色参数。结果表明:在初始体系pH值为11,乙二胺质量分数为40%,改性温度为60℃和改性时间为120 min条件下,可制得粒径为96.5 nm,多分散指数为0.075,Zeta电位为-33.7 mV的胺化活性红195/聚合物微球;染色后阳离子化棉织物的K/S值可达9.3,是相同用量活性红195上染棉织物K/S值的3.1倍,且色彩鲜艳度提高,耐摩擦色牢度和耐皂洗色牢度均达到4级及以上。

基于RBF神经网络的遗传算法在织物染色配色中的应用研究

本文提出一种基于RBF神经网络的遗传算法解决织物染色配色问题的模型,该模型以遗传算法为主,通过使用RBF神经网络建立遗传算法的适应度函数来共同解决织物染色配色问题。通过实验表明,使用基于RBF神经网络的遗传算法配色模型可以快速提供满足企业要求的染色配方。

不同频率的超声波对织物染色性能的影响

文章探讨了不同频率的超声波对织物染色性能的影响,并把超声波染色与常规染色进行了对比分析。试验表明,超声波对织物有明显的促染作用,能够提高织物的染色速率和上染率,超声波频率为28kHz时织物染色上染率最高。

改性姜黄素对棉织物染色性能初探

利用硼氢化钠对姜黄素进行还原改性,将改性后的姜黄溶液作为染液,对纯棉布进行染色,同时研究了用壳聚糖、壳聚糖季铵盐、三氯化铝、稀土(硝酸亚铈-柠檬酸)作为媒染剂在不同pH下的上染效果。研究表明:改性姜黄素溶液对纯棉布的染色色差与上染率随着pH的降低而增大;在弱酸性时染色效果最好,预媒处理会显著提高染色效果。总的来说,用稀土作为媒染剂进行媒染处理的染色效果最好。

基于Elman神经网络的织物染色的配色

文章提出了一种基于Elman神经网络的三刺激值染色配色方法。在分析了传统三刺激值染色配色方法的缺陷的基础上,利用Elman神经网络易于逼近多变量、非线性函数的特点,建立了用Elman神经网络来进行染色的三刺激值配色模型。计算机配色的预测结果表明此方法能够较好地满足实际染色的配色要求。

净洗防沾污剂WS的研制及在涤纶针织物染色中的应用

研制了浴中净洗防沾污剂WS,并对其应用性能进行了研究。结果表明:WS在染浴中能产生润湿、乳化、分散、吸附作用,并具有螯合和离子交换剂的功能,使织物颜色更鲜艳,对染色织物颜色特性和牢度无不良影响。

遗传RBF网络在织物染色配色中的应用

讨论了具有非线性、不确定特性的织物染色配色过程建模与仿真问题。针对传统的织物染色配色方法效果差、精确度不高和难以达到期望结果的问题,结合RBF神经网络的特点,提出了用基于遗传算法训练的RBF神经网络,同时优化网络的参数,并利用遗传RBF神经网络建立织物染色配色模型。仿真结果表明,该模型不仅提高15%的精确度,而且具有全局搜索能力和很好的鲁棒性,在解决织物染色配色问题上取得了预期配色效果。

织物染色计算机配色的数值分析方法

讨论将数值分析的方法引入到织物染色的计算机配色过程中,以解决织物染色配色过程中存在的不确定性和非线性问题。建立基于单色小样值和三拼色小样值与其相应浓度的数学模型,通过数据拟合并使用Newton-Krylov算法,实现染料浓度的求解。实验数据证明该方法精确度较高、计算简单并达到了预期的效果。

改进LMBP神经网络在织物染色配色中的应用

目前织物染色配色技术具有低效率和低精度缺点,许多染色配色方法收敛速度慢。为此提出了一种基于改进LMBP算法神经网络的织物染色配色方法,在分析了传统染色配色方法缺陷的基础上,提出并建立了用改进LMBP神经网络来进行染色配色的模型,并将其与LMBP算法神经网络染色配色结果对比。实验的预测结果表明,改进的LMBP神经网络方法收敛速度更快,并且能够满足实际染色配色的要求。

典型相关分析在织物染色计算机配色中的应用研究

为提高织物染色计算机配色的精度,本文对大量实验数据进行了研究,利用典型相关分析方法,找出三刺激值C、M、Y与染料质量浓度d1,d2,d3之间的相关关系,并进一步利用回归分析法,求出三刺激值C、M、Y与染料质量浓度d1,d2,d3之间的关系模型,最后利用Matlab软件对模型进行仿真计算。仿真结果表明,采用典型相关分析建立的数学模型其计算结果与实际测量数据之间的误差较小,d1、d2和d3的误差范围分别为±1.25%,±1.66%和±1.58%。结果表明,该模型精确度较高,操作简便,能够满足生产实际的要求,具有一定的实际应用价值。

可靠性分析在织物染色计算机配色中的研究

针对实际染色配色中染料质量浓度误差较大的问题,本文通过到印染企业采集实验数据,利用SPSS软件进行可靠性分析,在保证信度较高的前提下,获得三刺激值C、M、Y与3种染料质量浓度d1、d2、d3的相关系数,使用回归分析建立数学模型并对其进行求解,得到三刺激值C、M、Y与三种染料质量浓度d1、d2、d3的关系式,最后在已知C、M、Y的情况下,用牛顿迭代法求解d1、d2、d3的预测值,进而计算并分析误差。结果表明,采用可靠性分析建立的数学模型的计算结果与实际测量数据之间的误差较小,能够满足实际染色配色的需求。该研究为实际的染色配色提供了理论依据。

基于染色能力系数的织物染色配色算法研究

传统的配色过程工作量大,费时费料,而且还会受到配色人员心理以及生理因素的影响,已不能适应现代纺织行业的发展。借助计算机实现织物配色,克服了传统配色过程中的缺陷,能够迅速精确的挑选出质优价廉的配方,省去了人工配色多次实验的繁琐和不精确因素。从传统配色理论——Kubelka-Munk理论得到启发,提出了基于染色能力系数的织物染色配色算法。该算法建立了配色数据的逻辑关系,实现了颜色信息与配方之间的映射关系,为计算机配色方法的分析提供了新的途径,具有重要的理论研究价值和实际应用价值。

基于CMY颜色空间的单色染料织物染色配色规律研究

为了克服传统织物染色配色方式的缺点,可借助计算机配色技术实现织物的染色配色工作。本文主要分析织物颜色的CMY值与单色染料浓度之间的数据关系,研究中色系和深色系染料单色配色时的规律,为使用计算机配色技术进行织物的单色染料配色提供新的算法。

曲线回归分析在织物染色计算机配色中的应用研究

针对三刺激值C,M,Y与浓度之间的关系,本文在Kubelka-Munk理论的基础上,应用数学建模的方法对织物染色计算机配色进行研究,通过对实验样本数据的选取与分析,建立了在相同染料浓度下三刺激值C,M,Y与染料浓度的曲线回归模型,并对该模型进行回归分析,分析结果表明,实验数据的误差绝大部分在0.65%以内,说明该回归方程的拟合效果比较好,与C,M,Y值相对应的所求解的染料浓度比实验数据的误差小,该研究精度高,拟合效果好,能满足实际织物染色配色的需要,具有一定的实用价值。

基于PSO算法的RBFNN在织物染色配色中的应用

为了提高计算机配色的效率,提出了一种基于粒子群优化算法(Particle Swarm Optimization algorithm)的RBFNN(radial base function neural network)解决织物染色配色问题的模型。该模型容易实现,没有过多参数需要调整,并且提高了模型的收敛速度和精确度。仿真结果表明,用PSO算法优化的RBF神经网络解决计算机织物染色配色问题是一种较好的方法。

基于BP神经网络的织物染色计算机配色方法研究

本文从对Kubelka-Munk理论的分析入手,通过对三刺激值模式和全光谱配色模式的深入研究,指出了这两种模式存在的优缺点,并在此基础上提出了利用BP神经网络进行计算机染色配色的算法,最后按照此算法进行了织物染色的计算机配色实验,验证了人工神经网络算法在织物染色配色中应用的可能性和可靠性。