HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
天然织物,尤其是亚麻和棉花,由于其理想的特性,包括透气性,耐用性和舒适性,在纺织工业中广泛使用。然而,它们的亲水性和固有的易燃性在其在各个领域的应用中构成了限制,例如住宅环境,汽车车辆,办公室和防护服。在这些情况下,震颤和疏水性质至关重要。为了解决这个问题,我们通过采用两种不同的丙烯酸聚合物合成策略,在亚麻和棉花织物的表面上施加了紫外线涂料。在第一种方法中,将甲基丙烯酸的酚脂质与N-烷基甲基丙烯酸酯结合并在紫外线暴露下共聚,从而导致疏水性和阻燃表面。在第二种方法中,将3-氨基丙基三乙氧基硅烷覆盖在天然织物上,然后在3-氨基丙基丙基三甲氧基(Apte)表面上涂上9,10-二氢-9-OXA-10-10-磷酸苯烷-10-氧化物10-氧化物(DOPO)。进行了一项全面的研究,以评估涂层前后织物的润湿行为和阻燃性。这是通过使用水接触角和限制氧指数测试来完成的。这项研究的结果表明,织物的疏水性和阻燃性可以通过紫外线涂层显着增强。此外,可以调整应用单体之间的初始比例以微调这些特性。值得注意的是,这些研究中使用的所有化学物质均来自可再生生物库,从而确保可持续性和生物相容性。这一方面对纺织业行业至关重要,与对环保和社会负责的制造实践的需求不断增长。
为了克服气味问题,抑制了汗液被细菌降解。在本研究中,改进的复合凝聚技术涉及纳米胶囊的形成,纳米胶囊中储存了抗菌和芳香化合物。改进的复合凝聚技术需要高速混合溶液以生产纳米胶囊。在本研究中,海藻酸钠、明胶和阿拉伯胶被用作壁材。芦荟和薄荷精油被用作核心,其重量与壁材相等。通过傅里叶变换红外光谱 (FTIR)、扫描电子显微镜 (SEM)、甲醛释放测试和 AATCC 100 抗菌活性测试对合成纳米胶囊制备的涂层样品进行表征,以验证具有抗菌和芳香特性的纳米胶囊的形成。
HAY 提供种类繁多的面料和皮革,具有各种纹理、编织和颜色,均经过精心挑选,具有卓越的品质、表现力、耐用性、强度和功能性。所有面料均经过精心挑选,能够与 HAY 种类繁多的家具相得益彰,可用于覆盖许多不同家庭和合同环境中的椅子、凳子和沙发。
抽象涂层是用于不同目的的纺织行业中广泛的技术,主要是在着色和功能表面上。石墨烯通常使用涂料技术应用于织物,以提供具有导热性或电导率等特性的织物。所有编织织物的结构都有峰值和山谷,由翘曲和纬线交织在一起。在散布石墨烯涂层时,将糊剂放在织物的间隙中,并且只有在涂层的高度足以连接沉积的不同区域时才产生导电颗粒之间的连接。本文分析了三种类型的缎面编织,三个交错系数(0.4、0.25、0.17)和两组纬纱(20和71.43 Tex)。对于1.5毫米的叶片间隙,纬纱计数的样品的电阻为20 tex且交错系数为0.4为534.33Ω,而对于IC = 0.25的0.25电阻高36.8%,对于IC = 0.17,此参数增加了249.3%。对于具有71.43的纬纱计数的样品,IC = 0.40的样品的电阻为1053Ω,对于IC = 0.25,此值升至33.9%,而对于IC = 0.17,电阻值总计增加了78.9%。对于连续性至关重要的涂层,并且需要保护需要保护外部因素的物质,这一发现可能是感兴趣的,对于需要保护的物质,可以将具有深层间隙的织物设计用于容纳所述产品。
采用多种高性能纤维织物制造轻量化、高强度的复合材料是织物的发展趋势,本文基于复合材料结构性能一体化设计原理,以高强度高模量的芳纶纤维和低密度高韧性的PBO纤维作为增强材料,以碳纤维材料作为改性材料,采用RTM成型工艺制备了多种层合结构的CF-ANF-PBO超混杂三维复合材料,根据ANF/PBO体积分数设计了不同混杂结构的织物复合材料,并研究了不同混杂结构复合材料的力学性能。结果表明:当ANF/PBO体积分数达到100%时,未改性条件下复合材料的拉伸模量和强度最大,分别为68.81 GPa和543.02 MPa,而加入碳纤维改性后拉伸模量和强度分别为73.52 GPa和636.82 MPa,拉伸模量和拉伸强度性能总体改善分别为6.8%和17.27%,可以看出碳纤维的加入明显改善了芳纶和PBO纤维复合材料的性能。
摘要:缺陷检测是许多行业中管道的关键部分。在纺织业中,1尤其重要,因为它将影响最终产品的质量和价格。但是,这是2个由人类代理商进行的,据报道,他们的性能差,还有3个昂贵且耗时的培训过程。因此,在过去的20年中,自动化该过程的方法已越来越多地探索。虽然有许多传统方法解决这个问题,但随着深度学习的出现,基于机器学习的方法现在构成了6个可能的方法中的大多数。其他文章以更一般的方式探索了传统方法和7种机器学习方法,并详细介绍了它们的演变。在8本评论中,我们将总结过去5年中最重要的进步,并主要集中于9种基于机器学习的方法。我们还概述了10日未来最有希望的研究途径。11