织物的透气性从多方面影响着服装的舒适性。良好的透气性有利于皮肤表面的汗液以水蒸气的方式向外扩散，织物的透气性与隔热性之间有一定的关系。空气透过织物有2条途径，一是织物纱线问的孔隙，二是纱线内纤维间的缝隙，一般以纱线间的孔隙为主要途径。文献[3]则从织物孔隙分布的特征角度，考察织物结构与透气性之间的关系。文献[4]利用回归分析研究机织物透气性与织物紧密度和纱线线密度之间的关系。上述研究仅从织物特征和结构这一静态角度，研究织物孔隙率或织物结构参数与织物的透气性对应关系，未涉及到织物实际加工过程对其的影响。文献[5]针对经碱减量、壳聚糖整理后的细旦涤纶仿蚕丝织物，定性地分析了织物透气性的变化规律，但对织物透气性在处理过程中的具体变化未作进一步分析。
涤纶织物吸湿性较差，良好的透气性可以在一定程度上改善涤纶织物的穿着舒适性。本文针对涤纶长丝织物，从染整工艺角度探讨织物结构的变化对透气性的影响。织物在染整前处理过程中，经过退浆、精练、热定型和碱减量等工序，不同的处理条件都会影响织物的结构变化，从而对织物的透气性产生不同的影响。

1、前处理对织物结构的影响
通过显微镜(×16)观察织物结构在染整前处过程中出现的紧密程度的变化(见图1)。织物经过退浆、精练和180 cC热定型处理会产生大幅收缩，使得经向长丝松散，纬向密度增加，织物表面空隙明显减少，而经过碱减量处理后，由于碱的剥蚀作用，使得涤纶长丝变细，织物结构变得疏松，表面空隙增加。
织物结构的变化直接影响织物的透气性。涤纶织物一方面受到湿、热的作用，织物收缩，紧密度增加使得透气性减小；另一方面在碱减量的作用下，织物中空隙增加使得透气性增大。以上2方面的作用使织物的透气性发生变化。

2实验部分
2．1材料
涤纶长丝织物(坯布)，经纱：8．33 tex DTY弱捻
长丝；纬纱：16．7 tex FDY网络丝。
2．2实验方法
2．2．1处理条件
根据涤纶长丝织物的常规生产工艺制定如下工
艺流程：坯布一退浆一精练一热定型一碱减量。
影响织物结构变化的主要因素是张力、温度和碱减量率，故主要研究以上工艺参数对织物透气性的影响。
1)热定型处理：定型张力分别采用松弛热定型和紧张热定型；定型温度为160、170、180、190、200℃；定型时间60 s。
2)碱减量处理：Na0H质量浓度为4、8、12、14 g，L，浴比为1：20。
2．2．2织物透气量测量
采用YG(B)461型数字式织物透气量仪测织物的透气量。测试条件：织物两侧压差100 Pa，圆形试样的直径70 mm。

3数据处理
3．1面积缩率
织物经、纬双方向同时收缩使得织物结构紧密，织物的空隙减小，因此采用单个方向上的经向缩率或纬向缩率并不能真实反应织物结构的变化程度。为确切表征织物结构的变化程度，可将经、纬向缩率转换成面积缩率1。

4、数据分析
根据表l的工艺参数对织物进行处理，所得实验数据如表2所示。表2中的面积缩率为经过染整各工艺流程后织物的总面积缩率。
4．1织物缩率对织物透气性的影响
在不同的热定型温度和有无外加张力的情况下，织物产生不同的缩率，使得织物的结构变得更为紧密，透气性产生变化。为确切反映织物缩率这一单因素与透气率之间的关系，取表2中l～10号试样，在减量率为。的情况下对缩率和透气率进行回归分析，织物缩率与透气率的关系如图3所示。
4．2碱减量率对织物透气性的影响
涤纶织物经碱减量处理后，纤维表面受到碱的剥蚀作用而变细，产生凹坑使得涤纶纤维之间的孔隙增加，同时由于减量后织物结构疏松，处理后织物的透气性增大。将热定型后的织物进行碱减量处理，在不同的碱减量条件下，测得织物减量率和减量处理后的总缩率。由于织物在前道工序已产生较为充分的收缩，因此织物的总缩率变化不大。
4．3缩率及减量率对透气性的影响
在碱减量处理中，织物的收缩和减量同时进行，这2个因素同时影响织物的透气率。为确切反映这2个因素对透气率的影响程度，将缩率茗．和减量率省：作为自变量，透气率作因变量，对表2中1．24号试样进行多元非线性回归。
4．4利用神经网络预测透气率
量处理过程中，织物会产生少量收缩，对织物结构的紧密程度存在一定影响，而织物的紧密程度直接影响碱减量率。织物结构疏松，碱液容易渗透，碱减量率会随之增加，因此织物缩率与碱减量率之间存在一定的相关性。用回归分析进行预测，需要消除多元共线性问题，当自变量之间存在相关性时，求解精度较低。神经网络是经过有限次迭代计算而获得一个反映实验数据内在规律的数学模型，通过网络学习使其输入与期望输出相符合。特别适合处理需要同时考虑多重因素的不精确和模糊的信息处理问题，有效地解决了自变量之间的相关性问题。
本文采用BP神经网络对织物的透气率进行预测。先将表2中ll一34号试样进行归一化处理。建立3层BP神经网络：第l层是输入层，共输入表2中织物缩率和碱减量率的归一化值，每个试样有2个相关因素，因此输入层设定2个神经元；第2层是隐含层，隐层神经元节点数是根据网络模型训练时所产生的误差大小而确定，设为7个神经元。第3层是输出层，输出参数为透气率，设1个神经元节点。反复训练调整网络参数后确定该模型采用kvenbe曙Marquardt算法，实验中发现，模拟复杂程度不高的非线性关系，采用这种网络结构可以达到比较好的效果，在训练25次后精度已达到10～，满足预设精度，训练成功，如图5所示。

5结论
在前处理加工中涤纶织物会多次受到物理及化学作用，这些作用的工艺条件综合反映在缩率和碱减量率2个方面。织物结构的变化导致织物的透气性发生变化。通过对缩率和碱减量率的一元非线性回归，认为缩率与透气率呈负相关，即缩率越大，透气率越小；而碱减量率与透气率呈正相关，碱减量越大，透气率越大。对缩率和碱减量率进行多元非线性回归，结果表明碱减量率的影响程度更为显著。采用多元回归方程和BP神经网络对织物的透气率进行预测，预测值与实测值较为接近，BP神经网络的相对误差更小，预测精度更高。