显汗状态下运动服面料动态热湿舒适性预测

马希明 丁殷佳 王利君

摘要： 文章为分析出汗过程对运动服面料热湿阻变化的影响，选取15种常见运动服面料作为研究对象，运用自行研制的动态出汗装置和SGHP10.5服装热湿阻测试系统，测量织物从吸湿到干燥整个动态过程的热阻和湿阻。以织物的性能参数为影响因素，构建了线性回归模型和RBF神经网络模型，提出了热、湿阻变化率两个指标来分析织物的动态热湿传递性能。结果表明：线性回归模型数据预测误差较大，而RBF神经网络预测的热、湿阻变化率平均绝对百分误差分别为2.2968%和2.0862%，预测精度高。

关键词： 显汗状态;运动服面料;热湿舒适性;RBF神经网络;热、湿阻变化率

中图分类号： TS101.923文献标志码： A文章编号： 10017003（2020）02000607

引用页码： 021102DOI： 10.3969/j.issn.10017003.2020.02.002

Prediction of dynamic thermal and wet comfort of sportswear fabric under the sweat state

MA Ximinga， DING Yinjiaa， WANG Lijuna，b

（a. School of Fashion Design & Engineering; b. Zhejiang Provincial Research Center of Clothing Engineering Technology，

Zhejiang SciTech University， Hangzhou 310018， China）

Abstract： For analyzing the effect of the sweating process on the changes of thermal and wet resistance of sportswear fabric， 15 kinds of common sportswear fabrics were selected as the research objects to measure the thermal and wet resistance of fabrics in the dynamic process from moisture absorption to drying by the selfdeveloped dynamic sweating device and SGHP10.5 thermal and wet resistance test system for clothing. Based on the performance parameters of the fabric， a linear regression model and a RBF neural network model were constructed. And two indexes of thermal and wet resistance change rate were proposed to analyze the dynamic thermal and wet transfer performance of fabrics. The results show that the data prediction errors of the linear regression model are large. The mean absolute percentage errors of thermal and wet resistance change rate predicted by RBF neural network respectively are 2.2968% and 2.0862% respectively， indicating the high prediction accuracy.

Key words： sweat state; sportswear fabric; thermal and wet comfort; RBF neural network; thermal and wet resistance change rate

在人體运动出汗的过程中，伴随着热量和水分的散失。如果汗液无法及时散去，而热量散失过快，皮肤长时间处于湿冷状态，容易引发健康问题，因此研究显汗状态下汗液对人体热湿舒适性的影响十分重要。许多学者都曾对润湿状态下织物的热湿舒适性进行了研究。李亿光等[1]从理论上分析了织物特性对其热湿传递性能的影响，并通过实验进行了验证，结果表明，织物的热阻主要受织物厚度、孔隙率影响，液态湿传递主要取决于纤维的物理和化学性能，织物结构对液态水的传递也有一定的影响。曹娟等[2]在3种不同厚度的消防服隔热舒适层上喷洒等量的水分后，相同材料情况下织物的厚度越大，它的隔热性能越好。余涵等[3]测量了5种织物在干燥状态和汗湿状态下的单位厚度热阻，发现润湿状态下织物的热阻均明显下降。Goldenman[4]提出干态暖体假人上附着高吸湿棉织物来模拟出汗皮肤，汗水通过喷雾器喷上去，但该方式出汗是不连续的，实验过程中需要不断地打开衣服补充汗水。

为更好地分析显汗状态下织物的热湿阻变化，多位学者研制了不同的动态出汗装置，进一步模拟显汗状态下人体出汗的过程。何超英等[5]自主设计了发汗量可控和相对湿度均匀稳定的出汗暖体躯干，模拟了皮肤表面的相对湿度数值，进行了服装面料热湿性能的研究。陈益松等[67]采用被动式出汗原理研制了微气候仪，在温控压力水的作用下实现了可计量出汗、对衣下空间微气候状态参数的实时测量和被测面料湿阻的估算，在30℃和35℃两种控制温度下，对8块不同纤维成分与组织结构的面料热湿阻进行了测量，发现低出汗率情况下仪器的灵敏度相对较高。柯宝珠[8]设计改造了一种模拟人体躯干形态的出汗圆筒仪来测试织物微气候的动态热湿传递性能，并对实验结果进行了分析，提出了反映织物动态热湿舒适性能的5个特征指标。

前人设计的动态出汗装置主要侧重于对出汗量的控制和人体持续稳定出汗状态的模拟，但实验测试环境中的风速、温度、湿度等的改变也会影响织物的热湿阻测试值。基于此，本文利用SGHP10.5服装热阻湿阻测试系统和自制出汗装置营造了稳定的测试环境，模拟了人体的持续稳定出汗状态，避免了实验测试中外界环境改变带来的误差，实现了对显汗状态下织物动态热、湿阻的连续测试，研究汗液从出现到蒸发的整个过程对运动服面料热湿舒适性的影响。

1实验

1.1材料与仪器

材料：汗布、卫衣布等15种常见运动服面料（市售）。

仪器：YG（B）141D数字式织物厚度仪、YG（B）871型毛细效应测定仪、YG（B）216Ⅱ型织物透湿量仪（温州际高检测仪器有限公司），电子天平（沈阳龙腾电子有限公司），LLY27纤维细度分析仪（济宁市同创机械有限公司），DST52008纺织品干燥速度测定仪（大荣科学精器制作所），YG461Ⅲ型数字式织物透气量仪（武汉国量仪器有限公司），SGHP10.5服装热阻湿阻测试系统（美国西北测试科技公司）及自制模拟出汗装置（宁波大禾仪器有限公司）。

Prediction of dynamic thermal and wet comfort of sportswear fabric under the sweat state显汗状态下运动服面料动态热湿舒适性预测1.2面料性能参数测试

根据GB/T 6529—2008《纺织品 调湿和试验用标准大气》对试样进行预处理。厚度、平方米质量和线密度分别根据国标GB/T 3820—1997《纺织品和纺织制品厚度的测定》，GB/T 4669—2008《纺织品 机织物 单位长度质量和单位面积质量的测定》和GB/T 16256—2008《纺织纤维 线密度试验方法 振荡仪法》进行测量。

芯吸高度、干燥速度、透湿量、透气率分别根据FZ/T 01071—2008《紡织品 毛细效应试验方法》，GB/T 21655.1—2008《纺织品 吸湿速干性的评定 第1部分：单项组合试验法》，GB/T 12704.1—2009《纺织品 织物透湿性试验方法 第1部分：吸湿法》和GB/T 5453—1997《纺织品 织物透气性的测定》。

根据ISO 11092标准，采用SGHP10.5服装热阻湿阻测试系统，分别测量织物包含空气层的热湿阻和未放置织物时环境箱中空气层的热湿阻。通过两者相减得到织物去掉空气层的热湿阻，即干态热湿阻。试样性能参数测试结果见表1。

1.3面料动态热湿阻测试

1.3.1模拟出汗装置设计

自制模拟出汗装置如图1所示，主要由水箱、电加热装置、微型流量调节器和导管组成。通过该装置可以实现实验用水的加热、控制水的流量、将水输送到出汗点等功能，即模拟人体毛孔出汗、汗液温度及人体出汗量等。电加热管可将实验用水加热至35℃，与热板温度一致。压力阀门可控制水流量。导管前端的针头可探入测试面料与热板之间，将水输送到模拟出汗点。

1.3.2出汗率的确定

魏洋等[9]通过对实验对象全身出汗率的测定发现，以09～2.68m/s的速度跑步时，20～28℃环境下人体胸部腹部及背部的平均出汗率为237～302g/（m2·h），盛夏季节步行时出汗率为300g/（m2·h），个体间存在一定差异。综合考虑ISO 11092规定的热湿阻测量仪器SGHP10.5的测试环境为温度（20±0.1）℃、湿度65%±3%、风速（1±0.05）m/s，有效热板面积为20cm×20cm。最终将实验设置为30min持续出汗5mL，即模拟250g/（m2·h）的出汗率。

1.3.3动态热湿阻测试

面料动态热湿阻测试采用SGHP10.5服装热阻湿阻测试系统配合自制模拟出汗装置，将模拟出汗装置的针端插入织物与热板之间，出汗点调整至热板中心处[10]。当待测织物在环境箱内达到ISO 11092标准规定的热湿平衡状态后，控制实验装置模拟人体持续稳定出汗，整个实验过程无需打开实验箱，不会破坏内部稳定环境。

从动态实验所得数据中提取面料热湿阻从出汗至恢复到初始状态的信息，为排除边界空气层因素的影响，去除空气层的热湿阻，得到模拟出汗动态过程中运动服面料每一分钟的热阻和湿阻数据。以5#和8#面料为例，模拟出汗动态全过程的热、湿阻测试结果曲线如图2所示。

2结果与分析

2.1面料性能参数与干态热湿阻关系

热湿阻是评价面料热湿舒适性的重要指标，面料干态热湿阻同原料自身的性能参数之间存在着一定的映射关系[11]。为探究运动服面料性能参数对干态热湿阻的影响程度，在关联度系数0.5的条件下，以15种面料的厚度、平方米质量、线密度、经向芯吸、纬向芯吸、干燥速率、透湿量、透气率为比较数列，干态热阻或干态湿阻为参考数列进行灰色关联度分析，结果如图3所示。通过对实验结果的分析可知：面料的性能参数与干态热湿阻关联度均超过0.5，线密度与干态热湿阻关联度最大，纬向芯吸与干态热湿阻关联度最小。

为进一步探究面料各性能参数与干态热阻之间的定量关系，在显著水平0.05条件下，以厚度X1、平方米质量X2、线密度X3、经向芯吸X4、纬向芯吸X5、干燥速率X6、透湿量X7、透气率X8作为自变量进行多元逐步线性回归分析。干态热阻回归方程的决定系数R2=0.990，相应的概率P值是0.000，小于0.05。经检验厚度X1、线密度X3的概率P值分别为0008和0.000，与干态热阻显著线性相关，其他性能参数与干态热阻非显著线性相关。逐步回归法在回归计算过程中能够动态引入有意义的变量，删除无意义的变量，使得生成的模型最优。干态热阻的线性回归模型为：

Y干态热阻=0.008X1+0.001X3（1）

同理可得干态湿阻回归方程的决定系数R2=0.991，相应的概率P值是0.000。分析各指标的概率P值，只有厚度X1和线密度X3与干态湿阻线性显著相关，分别为0.014和0.000。干态湿阻的线性回归模型为：

Y干态湿阻=1.195X1+0.16X3（2）

2.2面料性能参数与动态热湿阻关系

2.2.1动态热湿阻评价指标

夏季运动时，外界温度高加上运动产生大量热量，皮肤温度容易急剧上升，此时应选择出汗后热阻变化大的面料，帮助人体尽快散热，保持身体凉爽;而春秋季节天气转冷，在室外运动时需避免热量散失过快，同时减少汗液与皮肤接触的时间，因此应选择热阻变化较小而湿阻变化较大，透湿放湿功能好的面料。不同季节、不同外界条件人体对面料热湿阻变化快慢的要求不同，因此研究热阻湿阻的变化具有重要意义。

参考唐世君等[12]采用新指标相对散热速率R研究显汗条件下动态热湿舒适性，本文提出了采用热、湿阻变化率R热阻和R湿阻来表征显汗状态下织物的散热透湿能力，其定义分别为：

R热阻=ΔRCFRCF1（3）

式中：ΔRCF为运动服面料干态热阻值与模拟出汗状态所达到的最小热阻的差值;RCF1为织物在ISO 11092标准下测得去除空气层的织物干态热阻值。

R湿阻=ΔREFREF1（4）

式中：ΔREF为运动服面料干态湿阻值与模拟出汗状态所达到的最小湿阻的差值;REF1为织物在ISO 11092标准下测得去除空气层的织物干态湿阻值。

热阻变化率反映的是织物在显汗条件下的散热效率，织物散热效率越高，说明织物的散热效果越好，适合作为夏季运动服面料;织物散热效率低，说明织物在显汗条件下的保暖效果较好，适合作春秋运动服面料。湿阻变化率反映的是面料在显汗条件下的散湿效率，湿阻变化率越大，说明织物的散湿效果越好，人体的舒适度越高。

2.2.2热、湿阻变化率线性回归模型

提取所有样品的热阻变化率，探究面料的性能参数与热阻变化率的相关性，结果见表2。在0.05的置信度下，热阻变化率与实验测试的9个性能参数均显著相关。将面料的各性能参数分别对热阻变化率做线性回归分析，概率P值均接近0.000，小于0.05，结果表明单个面料参数与热阻变化率之间呈线性关系。为保证所有自变量都具有统计学意义，且得到最优模型，选择逐步回归法对9个指标进行多元回归分析。经多元线性回归分析并验证，热阻变化率回归方程的决定系数R2=0.925，相应的概率P值是0.000。进而得到该模型各指标中只有纬向芯吸X5和干态热阻X9与热阻变化率线性显著相关，其概率P值分别为0.048、0.000。热阻变化率Y热阻变化率的回归模型为：

Y热阻变化率=505.982+5.191X5-17168.127X9（5）

同理经检验可知，在0.05的置信度下，湿阻变化率与实验测试的各项性能参数也显著相关，结果见表3。湿阻变化率回归方程的决定系数R2=0.804，相应的概率P值是0.000。干燥速率X6和干態湿租X10的概率P值分别为0.037、0.031，与湿阻变化率线性显著相关。湿阻变化率Y湿阻变化率的回归模型为：

Y湿阻变化率=30.045+1.270X6-3.961X10（6）

通过对面料性能参数和热、湿阻变化率的相关性分析可知，各属性指标均与热、湿阻变化率具有显著相关性。线性回归模型预测的热、湿阻变化率与试样实际测试值如表4所示，通过比较发现：预测的热阻变化率平均绝对百分误差为22.83%，最小误差为2.53%，最大误差为106.59%。预测的湿阻变化率平均绝对百分误差为29.21%，最小误差为12.02%，最大误差为47.81%。

2.2.3热、湿阻变化率RBF神经网络模型

为进一步减少误差，提高拟合度，采用神经网络预测热、湿阻变化率。神经网络的隐含层采用激活函数，对任意函数具有自学能力，为预测热、湿阻变化率提供了一种方便有效的方法。楚艳艳等[13]曾利用BP神经网络建立了热湿阻预测模型，利用织物的5个参数达到了较好的预测结果。与BP神经网络相比，RBF的泛化能力更加优异，它几乎能实现数据的完全逼近，并且能够避免陷入局部最优解。

1）RBF神经网络模型构建。为提高模型预测的准确性，采用插值的方法对实验数据进行扩充，选取40组数据作为模型训练数据集，10组数据作为模型测试数据集。RBF神经网络输入层选用厚度、平方米质量、线密度、经向芯吸、纬向芯吸、干燥速率、透湿量、透气率、干态热阻或干态湿阻。隐含层采用Gauss（高斯）传递函数，表达式见式（7）;输出层神经元采用Purelin函数，表达式见式（8）。

a1=radbas（n）=e-n2（7）

a2=n（8）

Matlab神经网络工具箱实现RBF神经网络的调用格式为：

net=newrb（P，T，err_goal，sc，MN）

式中：P，T分别为训练的输入数据和输出数据;err_goal为均方误差目标;sc为扩散系数;MN为最大神经元数目。

经反复测试，当扩散速度为20，神经元数目为25时预测精度最高。

2）预测结果验证。使用RBF神经网络模型对10组验证数据集进行验证，预测值与实验测试值对比如图4所示。图4显示，热、湿阻变化率拟合度R2分别为0.9977和0.9815，平均绝对百分误差分别为2.2968%和2.0862%，预测效果良好。从训练结果可以看出，RBF神经网络模型预测效果稳定，基本可以取代复杂的持续出汗过程实验，实现对热阻和湿阻变化率的预测。

3结论

本文以15种常见运动服面料作为研究对象，探究了面料的性能参数与干态热湿阻的关系，同时运用自行研制的动态出汗装置配合使用SGHP10.5服装热湿阻测试系统测量了织物整个动态变化过程中的热湿阻，提出了采用热、湿阻变化率来表征显汗状态下织物的散热透湿能力，并建立了面料性能参数与热、湿阻变化率的定量关系，利用RBF神经网络实现了显汗状态下运动服面料热、湿阻变化率的精准预测。

1）运动服面料的干态热湿阻与面料的线密度关联度最大，与面料的纬向芯吸关联度最小，与面料的线密度、厚度线性相关。

2）运用自制人体出汗装置模拟人体出汗过程中运动服面料吸湿、透湿及干燥后恢复至平衡状态的整个动态过程，从中可以看出汗液对运动服面料的热湿舒适性影响显著，运用热湿阻变化率可以有效表征面料散热透湿能力。

3）显汗状态下运动服面料热、湿阻变化率的线性回归模型表明：热阻变化率与面料的干态热阻、纬向芯吸线性相关，湿阻变化率与面料的干态湿阻、干燥速率线性相关，但预测误差较大。热、湿阻变化率运用RBF神经网络预测的平均绝对百分误差分别为2.2968%和2.0862%，预测精度优于线性回归模型。

参考文献：

[1]李亿光， 刘丽英， 刘林. 织物特性对热湿传递性能的影响[J]. 上海纺织科技， 2015， 43（2）： 2022.

LI Yiguang， LIU Liying， LIU Lin. Influence of fabric property on its thermal and moisture transfer performances [J]. Shanghai Textile Science &Technology， 2015， 43（2）： 2022.

[2]曹娟， 宋国文， 张慧， 等. 含水率对消防服用织物热防护性能的影响[J]. 天津工业大学学报， 2016， 35（1）： 3337.

CAO Juan， SONG Guowen， ZHANG Hui. et al. Effects of moisture content percent on thermal protective performance of firefighterclothing fabrics[J]. Journal of Tianjin Polytechnic University， 2016， 35（1）： 3337.

[3]余涵， 张辉. 玉石纤维热湿舒适性能研究[J]. 纺织科技进展， 2012（1）： 5153.

YU Han， ZHANG Hui， Research on hotwet comfort of jade fiber [J]. Progress in Textile Science & Technology， 2012（1）： 5153.

[4]GOLDENMAN R F. Thermal manikins： their origins and role [C]//Thermal Manikins and Modelling. Hongkong： The Hongkong Polytechnic University， 2006： 615.

[5]何超英， 李栋高. 出汗暖体躯干的工效模拟[J]. 纺织学报， 2004，25（1）： 1820.

HE Chaoying， LI Donggao. Ergonomics simulation of sweating thermal trunk [J]. Journal of Textile Research， 2004，25（1）： 1820.

[6]陳益松， 徐军， 郭媛媛， 等. 被动式微气候仪的研制及织物透湿性能的测量[J]. 东华大学学报（自然科学版）， 2015， 41（3）： 309312.

CHEN Yisong， XU Jun， GUO Yuanyuan. et al. A passive microclimate apparatus development and measurement of moisture permeability of fabric [J]. Journal of Donghua University（Natural Science）， 2015， 41（3）： 309312.

[7]陈益松， 夏明， 李玲. 模拟皮肤“出汗”性能的测量[J]. 东华大学学报（自然科学版）， 2014， 40（1）： 5457.

CHEN Yisong， XIA Ming， LI Ling. Measurement of "sweating" performance of artificial skin [J]. Journal of Donghua University（Natural Science）， 2014， 40（1）： 5457.

[8]柯宝珠. 新型织物微气候测试圆筒仪的研制[J]. 丝绸， 2008（8）： 4043.

KE Baozhu. Development of a new cylinder instrument for testing fabric microclimate [J]. Journal of Silk， 2008（8）： 4043.

[9]魏洋， 王革辉. 不同环境温度和活动强度下人体出汗率测定[J]. 中国个体防护装备， 2011（5）： 913.

WEI Yang， WANG Gehui. The measurement of sweat rate under different ambient temperature and activity intensity [J]. China Personal Protection Equipment， 2011（5）： 913.

[10]DING Dan， TANG Tian， SONG Guowen， et al. Characterizing the performance of a singlelayer fabricsystem through a heat and mass transfer model（part I）： heat and mass transfer models [J]. Textile Research Journal， 2011， 81（4）： 398411.

[11]李敏， 涂建雯. Coolmax/棉双面效应面料热湿舒适性综合评价与预测[J]. 纺织学报， 2010， 31（11）： 3943.

LI Min， TU Jianwen. Overall evaluation and prediction of heatmoisture comfort of Coolmax/cotton doublefaced effect fabric [J]. Journal of Textile Research， 2010， 31（11）： 3943.

[12]唐世君， 周璐瑛， 張腾. 显汗条件下织物热湿传递性能的评价方法[J]. 纺织学报， 2000， 21（3）： 139140.

TANG Shijun， ZHOU Luying， ZHANG Teng. The evaluation of the heat and moisture transfer performance of fabric at the sensible perspiration state [J]. Journal of Textile Research， 2000， 21（3）： 139140.

[13]楚艳艳， 汪青， 禹建丽， 等. BP人工神经网络在估计织物热湿阻方面的应用[J]. 中原工学院学报， 2006（4）： 911.

CHU Yanyan， WANG Qing， YU Jianli， et al. Application of BP neural network to estimate thermal resistance and moisture resistance of fabric [J]. Journal of Zhongyuan Institute of Technology， 2006（4）： 911.

收稿日期： 20190423; 修回日期： 20191207

基金项目： 国家自然科学基金资助项目（11471287）;中国纺织工业联合会项目（J201801）

作者简介： 马希明（1994），女，硕士研究生，研究方向为服装舒适性。通信作者：王利君，副教授，wanglijunhz@zstu.edu.cn。