Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics

Matusiak, M.

Artykuł - szczegóły

Tytuł artykułu

Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics

Autorzy

Matusiak M.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalność powietrza tkanin

Języki publikacji

Abstrakty

Air permeability is one of the most important utility properties of textile materials as it influences air flow through textile material. Air permeability plays a significant role in textiles for clothing due to their influence on physiological comfort. Air permeability is also very important in technical textiles, especially for filtration, automotive airbags, parachutes, etc. The air permeability of textile materials depends on their porosity. There are a lot of structural properties of textile materials influencing air permeability and there are also statistically significant interactions between the main factors influencing the air permeability of fabrics. It justifies the application of artificial neural networks (ANNs) to predict the air permeability of textile materials on the basis of their structural parameters. Within the framework of the work presented ANNs were applied to predict the air permeability of cotton woven fabrics.

Przepuszczalność powietrza jest jedną z ważniejszych właściwości użytkowych materiałach włókienniczych. Wpływa ona na przepływ powietrza przez materiał włókienniczy. Przepuszczalność powietrza odgrywa istotną rolę w materiałach włókienniczych przeznaczonych na odzież z uwagi na ich wpływ na odczuwanie komfortu fizjologicznego. Przepuszczalność powietrza jest także bardzo ważna w przypadku tekstyliów technicznych, w szczególności przeznaczonych na filtry, spadochrony,poduszki powietrzne itp. Przepuszczalność powietrza materiałów włókienniczych zależy od ich porowatości. Istnieje wiele właściwości strukturalnychmateriałów włókienniczych wpływających na przepuszczalność powietrza. Występują również statystycznie istotne interakcje pomiędzy głównymi czynnikami wpływającymi na przepuszczalność powietrza tkanin. To uzasadnia zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalności powietrza materiałów włókienniczych na podstawie ich parametrów strukturalnych. W ramach niniejszej pracy sztuczne sieci neuronowe zostały zastosowane do przewidywania przepuszczalności powietrza tkanin bawełnianych.

Słowa kluczowe

woven fabrics air permeability artificial neural networks modelling

tkaniny przepuszczalność powietrza sztuczne sieci neuronowe modelowanie przepływ powietrza

Wydawca

Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny

Czasopismo

Fibres & Textiles in Eastern Europe

Rocznik

2015

Tom

Vol. 23, no. 1 (109)

Strony

41--48

Opis fizyczny

Bibliogr. 38 poz., rys., tab.

Twórcy

autor

Matusiak M.

malgorzata.matusiak@p.lodz.p

Institute of Textile Architecture, Lodz University of Technology, Łódź, Poland

Bibliografia

1. Textile Metrology. Volume VI, Edited by Szmelter W, Ed. WNT, Warsaw, 1973.
2. Xiao X, Xuesen Zeng X, Bandara P, Long A. Experimental Study of Dynamic Air Permeability for Woven Fabrics. Textile Research Journal 2012; 82, 9: 920 – 930.
3. Korliński W. Knitting basis (in Polish). Ed. WNT, Warsaw, 2001.
4. Matusiak M. Thermal Comfort Index as a Method of Assessing the Thermal Comfort of Textile Materials. Fibres & Textiles in Eastern Europe 2010; 79, 2: 45 – 50.
5. Hes L, De Araujo M, Djulay V. Effect of Mutual Bonding of Textile Layers on Thermal Insulation and Thermal Contact Properties of Fabric Assemblies. Textile Research Journal 1993; 63: 749 – 76.
6. Xu G, Wang F. Prediction of the Permeability of Woven Fabrics. Journal of Industrial Textiles 2005; 34: 243–254.
7. Gooijer H, Warmoeskerken MMCG, Groot Wassink J. Flow Resistance of Textile Materials – Part I: Monofilament Fabrics. Textile Research Journal 2003, May: 437 – 443.
8. Zupin Ž, Hladnik A, Dimitrovski K. Prediction of one-layer woven fabric air permeability using porosity parameters. Textile Research Joutnal 2011;, 82, 2: 117 – 128.
9. Havlova M. Air Permeability and Costructional Parameters of Woven Fabrics. Fibres & Textiles in Eastern Europe 2013; 21, 2, 98: 84 - 89.
10. Militký J, Matusiak M. Complex Characterization of Cotton Fabric Termo Physiological Comfort. In: 3rd International Textile, Clothing & Design Conference – Magic World of Textiles. Dubrovnik, Croatia, 2006.
11. Frydrych I, Matusiak M, Zimniewska M, Biskupska J. Ultra–violet protection of cotton and cotton/PES fabrics. In: The Textile Institute 83rd World Conference. Textile Institute, Shanghai China, 2004.
12. Frydrych I, Matusiak M., Zimniewska M., et al., Ultra-violet protection of cotton and cotton/pes fabrics. In: 83rd TextileInstitute World Conference. Shanghai, 2004, China, pp. 219 – 226.
13. Backer S. The relationship between the Structural Geometry of a Textile Fabric and Its Physical Properties, Part IV.: Interstice Geometry and Air Permeability. Textile Research Journal 1951; 21, 10: 703 – 714.
14. Ogulata RT. Air Permeability of Woven Fabrics. Journal of Textile and Apparel, Technology and Management 2006, September.
15. Yilmaz D, Göktepe F, Göktepe Ö, Kremenakova D. Packing Density of Compact Yarns. Textile Research Journal 2007; 77, 9: 661 – 667.
16. Dopierała H., Radom Cz., Swaczyna P., Zawadzki L., Modelling the Indicators of Air-Flow Intensity in Different Construction Designs of Nozzles for the Pneumatic Linking of Yarns. FIBRES & TEXTILES in Eastern Europe 2012; 20, 3, 92: 51 – 55.
17. Gniotek K, Tokarska M. Determining the Impact Permeability Index of Textiles. Textile Research Journal, 2002; 72, 2:170 – 173.
18. Tokarska M, Gniotek K. Determination of Woven Fabric Impact Permeability Index. Indian Journal of Fibre & Textile Research 2009; 34: 239 – 244.
19. Xiao XL, Zeng XS,Long AC. An Analytical Model for Through-thickness Permeability of Woven Fabric. Textile Research Journal 2011; 82, 5: 492 – 501.
20. Tadeusiewicz R. Introduction into the ANNs Application Practice (In Polish). http://www.statsoft.pl/czytelnia/ neuron/wprowdoprak.html (accessed: 2012.06.19).
21. Jha GH., Artificial Neural Networks and its Application. http://www.iasri.res.in (accessed: 24.07.2012).
22. Vassilidas S, et al. Artificial Neural Networks and Their Applications in the Engineering of Fabrics. In: Woven Fabric Engineering. Edited by P. Dobnik-Dubrowski, India, 2010. www.Sciyo.com, pp. 111 – 134.
23. Kang TJ, Kim SC. Objective Evaluation of the Trash and Color of Raw Cotton by Image Processing and Neural Network. Textile Research Journal 2002; 72, 9: 776 – 782.
24. She FH, Kong LX, Nahavandi S, Kouzani AS. Intelligent Animal Fiber Classification with Artificial Neural Networks. Textile Research Journal 2002; 72, 7: 594 – 600.
25. Allan G, Yang R, Fotheringham A, Mather R. Neural modelling of polypropylene fibre processing: Predicting the structure and properties and identifying the control parameters for specified fibres. Journal of Materials Science 2001; 36: 3113 – 3118.
26. Kuo CFJ, Hsiao KI, Wu YS. Using Neural Network Theory to Predict the Properties of Melt Spun Fibers. Textile Research Journal 2004; 74, 9: 840 – 843.
27. Jackowska-Strumiłło L, Jackowski T, Cyniak D, Czekalski J. Neural Model of the Spinning Process for Predicting Selected Properties of Flax/Cotton Yarn Blends. Fibres & Textiles in Eastern Europe 2004; 12, 4, 48:0 17 – 21.
28. Jackowska-Strumiłło L, Jackowski T, Cyniak D, Czekalski J. Neural Model of the Spinning Process Dedicated to Predicting Properties of Cotton-Polyester Blended Yarns on the Basis of the Characteristics of Feeding Streams. Fibres & Textiles in Eastern Europe 2008; 16, 1, 66: 28 – 36.
29. Matsudaira M. Fabric Handle and Its Basic Mechanical Properties. Journal of Textile Engineering 2006; 52, 1: 1 – 8.
30. Sang-Song L, Tsung-Huang L. FAST System Approach to Discriminate the Characterized Generic Hand of Fabrics. Indian Journal of Fibres & Textile Research2007; 32: 344 – 350.
31. Tokarska M. Neural Model of the Permeability of Woven Fabrics. Textile Research Journal 2004; 74, 12: 1045 – 1048.
32. Witkowska B, Frydrych I. Analysis of Utility Options of Artificial Neural Networks for Assessment of Fabric Properties. In: International Conference TEXSCI’2007, Liberec, Czech Republic, 2007.
33. Witkowska B, Frydrych I. A Comparative Analysis of Modelling the Static Tear Strength by the Neural Networks and Statistical Model. In: International Conference AUTEX’2007, Tampere, Finland, 2007.
34. Matusiak M. Thermal Insulation of Woven Fabrics for Clothing. Monograph, Works of Textile Research Institute, Special edition, Ed. Textile Research Institute, Lodz, Poland, 2011.
35. Fan J, Newton E, Au R, Chan SCF. Predicting Garment Drape with a FuzzyNeural Network. Textile Research Journal 2001; 71, 7: 605 – 608.
36. Çay A, Vassiliadis S, Rangoussi M, Tarakçioglu I. Prediction of the Air Permeability of Woven Fabrics using Neural Networks. International Journal of Clothing Science and Technology 2007; 19, 1: 18 – 35.
37. Behera BK, Guruprasad R. Modelling Air Permeability of Woven Fabrics by Artificial Neural Networks. Research Journal of Textile & Apparel 2010; 14, 3: 77 – 84.
38. Polish Standard PN-EN ISO 9237: 1998, Textiles. Determination of permeability of fabrics to air.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-3c359d46-0a74-4255-ad9b-7b7d4dbdb746