《Journal of Engineered Fibers and Fabrics》:Estimation of the tactile ‘pleasantness’ of everyday textile surfaces via mechanical characterisation
编辑推荐:
感觉感知(sensorial perception),例如对表面的精细触觉感知,是材料设计过程中的一个重要方面,尤其是对于与人类直接接触的纺织材料而言。对于工业界而言,在服装、汽车内饰表面和防护服等多个工业领域中,拥有一种无需人类评价小组或可快速评估愉悦度的物
感觉感知(sensorial perception),例如对表面的精细触觉感知,是材料设计过程中的一个重要方面,尤其是对于与人类直接接触的纺织材料而言。对于工业界而言,在服装、汽车内饰表面和防护服等多个工业领域中,拥有一种无需人类评价小组或可快速评估愉悦度的物理测量方法极具挑战性。本研究描述了一种相对简单的方法,用于计算广泛纺织面料的触觉愉悦度,并就该属性对其进行相对比较。该方法使用了三个机械准则,分别与粗糙度/光滑度、硬度/柔软度和粘滞性/滑爽性相关,分别由Rz5(轮廓最大高度的平均值)准则、横向压缩性和一项称为摩擦相对变化的特定准则表示。基于这些特定准则,研究人员提出并计算了一个愉悦度准则,并将其与通过人类评价小组的感官分析获得的感知愉悦度进行比较。两种愉悦度准则之间获得了线性关系,R2为0.76,足以用于纺织材料设计指南。
本研究聚焦于材料触觉感知中的“愉悦度”问题。在材料设计中,除物理性能外,与人体直接接触材料的感官特性至关重要。工业界需要一种无需人类评价小组的快速、可重复的物理测量方法来评估愉悦度,尤其在服装、汽车内饰和防护服等领域。尽管已有多种织物手感(hand)评估系统,但直接针对愉悦度与机械特征关联的研究很少,且已有方法未经验证。为此,研究人员提出了一种基于三个机械特征的计算愉悦度方法,并与人类评价小组的感知愉悦度进行比较。研究人员选取14种代表性纺织品(T1至T15,其中T11/T12为同一块天鹅绒沿主绒毛方向和逆主绒毛方向),覆盖服装与运输(座椅内饰)行业。通过测量粗糙度、厚度方向压缩性和摩擦行为,定义了三个无量纲愉悦度参数,并组合成计算愉悦度(calculated pleasantness, PC)。由11名经过训练和筛选的评价小组成员通过感官分析评估感知愉悦度(perceived pleasantness, PP)。结果显示PC与PP呈线性关系,R
2=0.76,统计检验表明两者无显著差异,说明该方法可作为人类评价小组的替代方案,用于纺织材料设计初期指导。
关键方法:样本来源为14种代表性纺织品(T1-T15),覆盖服装与运输(座椅内饰)行业。主要技术方法包括:使用Kawabata评价系统FB4-Surface测试仪,以模拟人类指纹脊的接触探针测量表面粗糙度,计算R
z5(轮廓最大高度的平均值);使用多标准测试仪在0.5 kPa和5 kPa压力下测量厚度,计算横向压缩性(C);使用自制摩擦计,以人工手指与织物接触,测量摩擦系数(COF)及其平均绝对偏差(COFMAD),得到相对摩擦变化(FV);感官分析由11名训练过的评价小组成员进行,评估愉悦度。统计方法包括层次凝聚聚类(HAC)和线性回归。研究结果如下:
3.1.1 粗糙度(Roughness):研究发现粗糙度参数Ra(算术平均粗糙度)与R
z5呈线性关系,因纺织品粗糙度主要取决于纱线直径。R
z5能更真实地表示凸起高度,故被选用。除T14(粗斜纹布)外,R
z5值在20–150 μm之间,T14高达378 μm。
3.1.2 厚度方向压缩性(Compression in the thickness direction):压缩性C值分为三簇:<0.05、0.05–0.2和>0.2 mm/kPa。双面绒(T8、T15)因浓密绒毛具有高压缩性,T2、T11、T12次之,其他织物较低。
3.1.3 摩擦(Friction):平均摩擦系数COF介于0.20–0.74。天鹅绒T11/T12沿/逆毛方向表现出不同摩擦行为。T4和T13因相对摩擦变化(FV)高而具有较低的愉悦度参数PFriction。
3.1.4 计算愉悦度(Calculated pleasantness):计算愉悦度PC值范围为32%–87%。高愉悦度织物为T8和T15,低愉悦度织物为T14和T4。
3.2.1 手指水分(Finger pad hydration):评价小组成员手指水分范围30–107 au(任意单位),中位数48 au,未观察到手指水分与感知愉悦度相关。
3.2.2 感知愉悦度(Perceived pleasantness):11名评价小组成员使用了完整标尺评估愉悦度,最愉悦织物为T8和T15,最不愉悦为T4。
讨论部分,计算愉悦度PC与感知愉悦度PP的线性回归决定系数R
2=0.76,F检验p=0.064,t检验p=0.092,表明两者无显著差异。但PP范围比PC宽,原因是PFriction仅覆盖75%范围,且T14的高粗糙度限制了PRoughness的有效范围。三个单独参数与PP的相关性低或无关,说明愉悦度不能由单一参数预测。将三个参数权重相等时模型最佳;尝试优化权重虽使R
2微升至0.78,但F检验p=0.038,使计算与感知愉悦度显著差异,因此等权重更合理。展望部分指出,需改进粗糙度测量以模拟真实手指与织物接触时的变形限制。
研究结论翻译如下:本研究考虑了触觉愉悦度,即触摸纺织品表面时的愉悦感受,这不同于抓取织物时的“手感”(hand)。本文提出了一种面向工业的简单方法,用于计算广泛纺织品的触觉愉悦度。该方法基于三个机械准则,并将计算愉悦度与人类评价小组获得的感知愉悦度进行比较。研究涉及11名志愿者,通过感官分析评估了15种不同织物的感知愉悦度。同时,研究人员使用特定方案测量了每块织物的表面粗糙度(与光滑/粗糙特性相关)、压缩性(与软/硬特性相关)以及织物/人工手指界面摩擦过程中的粘附行为(与粘/滑特性相关)。基于这些机械特性,定义了三个无量纲的一级愉悦度准则,并用于确定总计算愉悦度。计算愉悦度与感知愉悦度的比较表明,虽然单一准则无法预测织物愉悦度(与文献结果一致),但三个准则等权组合可良好预测人类评价小组获得的感知愉悦度,R
2=0.76。对每个特性权重进行调整以增加相关性,结果发现给予三个机械准则相同重要性时结果最佳,表明所有三个准则都很重要。该方法可在织物设计初期阶段替代人类评价小组。事实上,对于封闭织物(即仅组成或工艺中一个或少数元素变化)的愉悦度精细表征,此方法需根据被测织物特征辅以具体分析。仔细检查每个一级愉悦度准则的数据后发现,其中两个(与压缩性和摩擦相对变化引起的粘附相关)的值正确分布在整个标尺上,而最后一个(与粗糙度相关)除一种织物外仅使用了标尺的一小部分。这种织物是具有高粗糙度值的斜纹织物,其粗糙度高于真实手指可感受到的程度。因此,为改进计算愉悦度,需通过考虑手指垫在织物表面图案中的变形极限来改进粗糙度测量。