本报告是两部分研究的第一部分。研究的总体目标是开发仪器来预测穿着舒适感。主要的研究重点是评价不同洗涤或其他物理化学处理后服装面料物理性能变化的感官反应。将识别和使用集中触觉的位置，以帮助建立统计模型，将人体生理反应与织物或服装的一个或多个物理指标关联起来。为建立预测模型，将识别、评估和量化对人体洗后服装舒适性反应有显著影响的关键因素。在本研究的第二部分中，统计模型将被用于开发一个仪器系统，该系统可以预测人类的反应，并排除大量人体受试者被用于成衣测试。

在舒适领域，人们成功地将出汗和体温升高后的舒适感建模。然而，当涉及到测量触觉反应时，研究人员通常必须使用涉及人类受试者的实验。近年来，人们越来越关注触觉反应领域。织物性能可以使用川端康成织物评价系统（KES-F）和简单测试织物保证系统（SiroFAST）中的仪器进行测量。在穿着过程中，由于织物的特性和压力等力，感觉区域可能会改变对舒适度的感知。因此，本研究的一部分将涉及一个收集和关联织物手感和舒适性的客观和主观评价的协议。由川端康成评估系统（KES）测量的物理性能值将用于收集织物的客观评估。主观评估值将通过手工面板评估和服装穿着测试来收集。研究的第一部分的主要目的是预测洗衣服后衣服层面的穿着触觉。进一步分析总体平均评分异常低或高的受试者以及较低范围的受试者，看他们是否能够感知样本治疗的差异。Levene检验的p值表明方差之间没有显著差异，因此使用Kruskal-Wallis检验对非参数等方差数据进行均值比较。这项测试表明，24号受试者无法区分每个样本之间的显著差异。受试者24是唯一无法区分所有5个样本中任何差异的受试者。

所有其他受试者都能至少对一个样本进行评分。将使用所有受试者的模型平均评分。将受试者24的评分从平均计算中删除，以测试其是否有显著差异。受试者的异常评分对平均值没有显著影响，因此所有29名受试者的评分都包含在所有进一步的分析中。

接下来，对每个活动的平均评分进行比较，以测试活动类型是否对每个受试者对整体舒适感的感知有影响，见图14。用Shapiro-Wilk检验统计量检验样本评分的正态性。所有分布的p值都小于0.0001，这否定了分布是正态分布的零假设。用Levene检验检验方差是否相等，p值为0.38不能否定方差相等的零假设。用Kruskal-Wallis检验比较平均值，计算p值为0.0007。这否定了意味着相等的无效假设。从保龄球、脚趾接触到手臂抬高活动的样本评分均值均显著低于穿戴式和交叉式手臂运动活动的样本评分均值。

图14：按活动列出的总体评分的平均值比较

图14：按活动列出的总体评分的平均值比较

由于每个活动中的样本评分之间存在显著差异，回归模型应将活动作为分类因子。数据按活动和样本平均，因此响应变量是特定活动期间每个治疗的平均总体响应。每个描述符的平均评分也针对每个响应级别进行计算。平均评分表见附录C中的表9。平均值可以很好地预测样本组的平均反应，但也会丢失单个反应的信息。为了预测个人评分之间的一些差异，最终评估表提出了关于这种服装的合身度、款式和穿着频率的问题。然而，这些评分与每个受试者的总体评分几乎没有相关性，因此它们不用于构建回归模型。

最后的评估还提供了治疗偏好的排序。最终评估偏好排名的平均值与磨损期间的总体平均评级结果一致。作为一个组，受试者的优先顺序是GS、GW5、GC、GSTL和GSTH。受试者还被要求对描述词的重要性进行评分，以比较模型与被试的实际感知之间的最佳相关性。表7显示了平均重要性等级，其中1级最重要，5级不重要。这些评级与回归模型很好地吻合，其中划痕和粗糙被发现是最重要的，其次是僵硬的和灵活的。

表7：描述符重要性的主题评级

表7：描述符重要性的主题评级

进行逐步回归分析以确定创建最佳模型的描述符评级。由于与附录C图24中的多元分析所示的总体评分之间缺乏相关性，因此，描述词thermal和Sneambly的评分不包括在逐步分析中。所有其他描述词都与总体评分高度相关，因此用于逐步回归分析。JMP程序中的逐步分析工具允许从模型中添加和删除因子，以便找到最佳模型。如果因子显著且p值较低，并且它们减少了平方误差之和（SSE），则将它们输入到模型中。该模型还根据添加因子是否增加了R2和调整后的R2来判断。模型中最重要的因素，也是第一个要添加的因素是描述符scratchy。第二个最重要的因素是活动类型，其次是描述符stiff。其他描述符的添加对模型的影响不显著。

利用挠痒痒、僵硬和活动类型三个因素，建立了最小二乘回归模型。图15显示了实际的ove

研究的第二部分将着重于量化和关联穿着衣服时产生的动态物理刺激与人类对舒适触觉的反应。将开发测量可能影响感知舒适性的动态力的方法。此外，还将全面审查用于测量织物和皮肤之间作用力和相互作用的传感器。系统地了解织物性能、穿着服装动力学以及皮肤与织物之间的相互作用与人体反应之间的关系，将有助于开发一种可靠的仪器，能够测量预测人体反应的重要穿着性能。

第一项研究的结果将确立推进第二部分研究所需的基础数据。首先，它将在某些受控运动中提供触觉的位置，这将有助于传感器的放置。此外，它还将为开发其他具有不同最终用途的服装的预测模型提供一个协议。该方案也可用于重复服装研究，但重点是服装的动态性能。通过开发一种能够模拟人体关键动态运动并测量服装穿着性能的仪器，可以通过减少或消除受试者测试来更有效地评估织物的舒适性。

2。手动面板

2.1目的和目标

研究的第一个阶段涉及建立和评估一个手饰板，以便制备适当处理的织物，具有一系列织物的手特性，供以后进行的服装穿着研究使用，并帮助选择一组适当敏感的人体受试者。这对于创建一个将客观测量与主观评分关联起来的模型的目标很重要。为了建立统计模型，每个因素的水平必须显著不同，反应水平也必须显著不同。影响因素是KES测量的物理性质，反应是评委的评分。

2.2治疗方法

该项目的重点是织物的处理，而不是织物结构对手工性能的影响。因此，这项研究的重点是通过处理通常用于制造衬衫和衬衫的单一织物来制作样品。最初，评估了100%漂白棉针织物和100%漂白棉平纹织物。两种织物都接受了五种不同的处理，使用洗涤剂、柔软剂和加强剂，研究小组认为可以通过处理来区分这些织物。

针织物和机织物都作为两卷收货。每卷被分成五个部分进行五种不同的处理。五种治疗方法如下：

FC=织物控制（无treFSTH=织物浆重；样品洗涤和干燥5次，并按照瓶子上的说明进行浆重（半液体淀粉-半水）

根据AATCC试验方法135，使用AATCC标准洗涤剂清洗织物。额外的压载织物被添加到每个负载，以便所有负载的重量相等，4磅。采用商品软化剂和淀粉进行处理。根据瓶子上的说明，样品C先软化五次。然而，由于缺乏可感知的效果和织物手感，样品在高浓度柔软剂中额外浸泡，以达到显著差异的柔软度。处理完成后，将样本切成8英寸×8英寸的样本，用于受试者评估和KES测试。样品很容易起皱，所以用蒸汽熨烫，以便在所有处理过的样品上保持更均匀的表面。在测试之前，研究小组对机织物和针织物进行了审查。针织样品的手部感知差异最小，因此不用于测试。试验仅使用具有上述五种处理的平纹织物进行。

2.3方法/程序

手部小组受试者由一个特定的评委小组选出，以尽量减少评委之间的差异。女性对织物手感的评估比男性好，而且大学里有很多学生可以随时接受测试。招募了26名年龄在18-25岁之间的女性观察员，她们的身高和体重都在典型范围内。所有26名观察员完成了手控小组的评估。

根据AATCC标准评估程序5“织物手：主观评估指南”进行手面板测试。受试者在进入舒适性实验室之前，必须用碱性敏感皮肤皂洗手1分钟，然后用纸巾擦干，并涂上Lubriderm敏感皮肤疗法保湿乳液。房间采用气候控制，大气条件保持在70±3°F（21°C），相对湿度65±5%。受试者在评估开始前坐了15分钟，以便适应房间条件。手板测试分为三个部分。

在第一部分中，受试者在一项盲法研究中评估了样本，其中两个样本采用不同的处理方法，在视觉屏障的对面交给他们，如图6所示。受试者被告知，织物的最终用途是一件女式衬衫，他们只需指出自己喜欢哪种样品。所有10种可能的治疗组合按随机顺序由每个受试者进行评估。这项盲目的研究排除了视觉刺激因素，允许受试者进行简单的并排比较。

图6：直接比较手工小组研究

图6：直接比较手工小组研究

完成配对比较后，要求受试者坐15分钟阅读杂志。这样做是为了让受试者在开始第二部分的测试之前，把他们的思想从测试中解放出来，放松他们的感官。在第二部分的手板实验中，受试者被递给一套所有五种处理的织物和一套评估表，每种织物处理一张评估表。工作表中包含选定的描述词，如与织物特性（如重量）相关的“轻”和“重”。为了创建一个连续的双极标度，这些项被一个不包含数值的标度分开。图7显示了使用的评估表。受试者被要求对织物进行评估，并在两个术语之间的量表上做标记。通过创建一个0-10量表，并将其叠加在空白标度上并记录其评分来量化标记。使用的两个重要的描述词是愉快的和不愉快的，以便让受试者对每种治疗给出一个总体评价。完成描述项评估后，受试者重复盲研究，以确定观察者判断的重复性。这不仅可以得出哪些治疗方法难以区分的结论，还可以挑出不适合服装穿着研究的受试者。

图7：双极描述符评估表

图7：双极描述符评估表

使用KES仪器进行了五种不同的试验：压缩试验、弯曲试验、表面试验、剪切试验和拉伸试验。样品在标准大气实验室条件下进行处理。KES测量是使用标准样品大小为20x 20 cm的三个重复进行的。所有的测量都是定向的，除了压缩，因此都是在翘曲和填充方向上进行的。分析了经纱和纬纱方向之间的显著差异。因为所用的织物是用平纹织物织成的表3：盲研究试验的比较

描述项评价结果与配对比较数据吻合较好。首先，使用Shapiro-Wilk检验中的pvalue对每个样本的评级进行正态性检验。所有的p值都大于0.05，这不能否定数据是正态分布的零假设。在正态分布下，Bartlett检验p值用于检验方差的差异。p值大于0.05，因此假设样本之间的方差相等。当数据为正态分布和等方差时，方差分析可以用来检验均值的差异。图9是每个样本的总体主题评分的方框图。除FC和FSTL样本外，所有样本均值均存在显著差异。这些结果与配对比较试验的结果一致。表4列出了每个样本的总体评级分布的平均值和标准差。请参阅附录A了解在手控面板期间评估的所有描述术语的平均值和标准偏差表。

图9：总体主题评分

图9：总体主题评分

表4：总体评级分布

表4：总体评级分布

在散点图上绘制每个受试者的主要描述等级及其相应的总体等级。每个相关系数R2都被记录下来，并用来确定哪些主要描述符对手值贡献最大。所有回归模型均与线性回归最为吻合，表5列出了R2值。

表5：主要描述与总体评级

表5：主要描述与总体评级

被认为是最重要的总体评级的主要描述符是粗糙/软，粗糙/光滑，桑迪/滑，和刚性/柔性。众所周知，每个描述符都与结构的物理特性有很好的关联，这有助于缩小对有助于KES测量的搜索范围。弯曲、剪切、压缩和表面的特性与重要的主要描述符很好地对应，因此张力、温度、重量和厚度的特性对总体手动额定值的影响较小。

通过KES测试，验证了不同处理对材料力学性能的影响。表6列出了用于分析的KES属性值。每个特性值是至少3次试验的平均值，而方向特性是在填充方向上的经纱测量值的平均值。每个试验和方向的完整KES属性表见附录A。

表6:KES属性

表6:KES属性

利用每个KES属性的试验值分布，对平均值进行了比较。所用平均数方法的比较与先前描述的用于比较总体受试者评分平均数的方法相似。利用Student t检验比较了KES的压缩性、厚度、弯曲刚度、表面粗糙度、延伸性和剪切刚度等性能。这些属性是单独分析的，因此不需要对值进行规范化。只有在比较具有不同单位的特性时，才使用正态分布对值进行标准化。在这项测试中，p值大于0.05的对之间没有显著差异。

就压缩性而言，唯一在测量值之间没有显著差异的样品是样品FW5和FSTL。除了FW5和FSTL，所有样品的厚度都有显著差异。对于弯曲刚度，唯一与其他样品显著不同的样品是FW5和FSTH样品。表面粗糙度测量值变化较大，样品间差异很小。扩展性显示出三个层次的显著差异，样本FSO与所有其他样本不同。样品FW5和FSTL以及样品FC和FSTH没有差异。分析的最终性能是剪切刚度，除FSTL样品与FC和FW5样品无差异外，所有样品的剪切刚度均显著不同。

2.5手板结论

在分析KES特性和主观评分后发现，两种治疗方法在客观和主观测量方面均存在显著差异。“收到”对照组，FC和轻度上浆的FSTL在主观评分上没有显著差异。因此，只有4个不同的主观评价有助于模型的建立。样本FC和FSTL之间显著不同的KES属性对总体受试者评分并不重要。手板上使用的处理方法产生了可感知的差异，并被考虑用于三。磨损试验

3.1目的和目标

这项研究的目的是开发一个协议，以收集在服装层面上对织物的主观评价，并将其与KES仪器的客观测量值关联起来，并将此实验作为一个新的动态服装测量系统的前置指标。手部面板实验用于确定手部被认为有显著差异的治疗。在手盘实验中，受试者被告知，最终使用的面料是一件女式扣子衬衫，为她们对手的评价提供了依据。然而，当一件衣服穿在身上时，手感觉到的更少，而更多的是通过织物和上身之间的相互作用。这项穿着测试使用了评估服装舒适性的常用技术，创建了一个统计模型，该模型使用机械性能来预测主观评估。

这项服装穿着测试的目的是确定接触或感觉的位置，对受试者的评价有显著贡献。这些位置可能是织物、服装设计和/或正在进行的运动的结果。识别出的交互点将有助于放置传感器，以便在穿着衣服时测量力。本研究将在本研究的第二部分进行。对于这项工作的第一部分，在主观评估期间将传感器放在身体上会破坏织物和皮肤之间的相互作用。因此，有必要进行两项单独的磨损研究。第一次磨损研究将产生一个统计模型，将KES测量的物理特性与受试者评估相关。第二种方法是建立一个统计模型，将磨损力与受试者的评估结果关联起来。将评估预测模型的性能。将测试组合KES和动态模型（或模型）的性能，即结合磨损力和物理特性来预测主观响应的模型。下面的测试是前面描述的磨损研究的前者。

3.2服装

手板上使用的布料也用于制造女式衬衫。所有的衬衫都是在北卡罗来纳州定制的（www.edgeofurge.com）。这件上衣的款式选择了一件简单的衬衫，衬衫的领子和单扣袖口完全扣在前面。背部有肩缝，没有轭，下背部有两个省道。选择这种简单的衬衫样式是为了创造一种所有受试者都能穿的一致的衬衫。

参加登记时，每个受试者试穿衬衫后选择尺码。每个受试者被分配一套5件衣服，每件衣服都有不同的处理方法。受试者在整个测试过程中保持同一套5件衣服，每件衣服只由一名受试者穿着。手试结果显示，受试者对FSO和FSTL的评分没有差异。然而，由于对样品和服装进行相同的处理可能会导致不同的结果，因此该小组决定对服装进行试验。在研究小组对许多不同的服装处理方法进行了测试和评估之后，决定继续采用类似的处理方法。决定的5种处理方法产生了不同于织物样本的手感，但仍然代表了在服装上测试的最佳处理方法。

在使用治疗前，衣服上贴上治疗标识和受试者编号。将标记为GC的衣服分离，作为对照组。其余衣物在工业洗衣机和烘干机中一起洗涤和烘干5次，使用AATCC程序135中描述的类似洗涤程序，使用AATCC标准洗涤剂。洗涤和干燥循环在NCSU纺织学院的染整实验室进行。洗涤和干燥过程中使用的温度和循环时间是可比的，但干燥周期较长。洗涤剂的浓度严格保持在1g/L，织物重量为25.4kg，洗衣机中使用的洗涤液由200升水和200克洗涤剂组成。

洗涤和干燥5次后，用指定的处理标签将衣服分开。处理GW5完成，并被带到干洗店进行压榨。处理GSTL和GSTH也被带到干洗机上浆和压榨。处理GSTL接收到一个轻液体淀粉，而处理GSTH接收到一个重液体淀粉。处理GS在工业洗衣机中使用硅软化剂在一个15分钟的循环中软化。洗浴包括50升水（120华氏度）、硅柔软剂（织物重量的3%）和100毫升醋酸（以降低pH值）。衣服干燥后，也被带到干洗机进行熨烫。花环3.3方法/程序

磨损试验包括五个阶段，每个受试者每次穿着五件处理过的衣服中的一件。在每节课中，受试者完成了四项旨在创造一致的可重复动作的活动。受试者填写了一份评估表，旨在根据每个活动期间的感官触觉特性获得舒适度等级。评估表的第一页要求受试者指出身体上接触衣服时感觉最强烈的部位。第二页首先要求受试者对整体舒适度、热感觉和柔软度进行评分，评分范围为1到7，其中7是最舒适、最酷和最柔软的。选择第二组描述符include来表示结构属性。这些术语是负面的，因为受试者比触觉舒适度更能检测触觉不适的程度。这些术语被分为1到5个等级，1表示“完全”，5表示“没有感觉”。较高的数值表示更理想的质量，除了最后一项是肯定的，以便测试受试者是否适当和深思熟虑的评价服装。对每个受试者服装的评估顺序是随机的。这消除了运行顺序对响应的影响。

选择进行磨损研究的受试者与手板上描述的背景相同。她们都是18至25岁的女学生。大多数受试者是来自手工小组的参与者，其余的是来自相同学生群体的新参与者。使用的受试者总数为30人，典型的样本量足以代表所选人口中的较大人群。30的样本量通常足够大，可以收集到平均值正常变化的数据。

受试者被要求穿长裤（裤子）、扁平的闭合脚趾鞋，以及在试衣下只有胸罩，以便最大限度地接触衣服和皮肤。试验在气候控制实验室进行，大气条件保持在70±3°F（21°C），相对湿度65±5%。织物的含水量和温度对织物的舒适性和主观评价有显著影响。因此，在测试之前，所有的衣服都在控制的实验室中至少调节24小时。

当受试者到达时，他们进入气候控制实验室，在换上他们指定的衣服之前至少适应10分钟。在10分钟的适应期内，受试者对测试程序和评估表进行了详细的说明。所有活动的评估表都是相同的，见附录B。测试前和测试过程中，强调了关注衬衫材料和提供周到反馈的重要性。

驯化完成后，给受试者指定的服装，并带到更衣室开始他们的第一个活动。在这项活动中，受试者只需换上衣服，立即根据他们的初步评估填写评估表。这项活动有两个目的。一个是观察在最小运动后所做的评估和在其他活动中使用的一些协调运动后所做的评估是否有差异。这项活动的第二个目的是模拟一件衣服的评估，这件衣服通常是在商店试穿时做的。

下一个活动要求受试者交叉和张开双臂，在上身创造一个小范围的运动。两个小砝码被放置在相距12英寸的地方，并标出它们的位置。受试者被要求在每只手上拿起一个重物，交叉手臂来改变姿势。在重复这个动作至少五次之后，受试者完成了一份评估表。如果有必要完成评估，受试者可以重复该动作。所有活动都使用相同的评估表。

图10：穿衣测试中使用的横臂运动图片

图10：显示横臂的图片

服装穿着试验中的动作

完成第二次评估后，受试者进入下一个活动。在这个活动中，一个动作是受试者伸到脚趾，然后将手臂举过头顶。在填写评估表之前，受试者被要求完成至少三次这个动作。这项活动是用来创造一个长期的运动范围，将确保更大程度的运动在织物和接触的对象的皮肤。同样，受试者可以根据需要重复这个动作。

图11：穿衣测试中使用的脚趾接触手臂抬起的图片

图11：脚趾接触手臂抬起的图片

用于成衣测试

在最后的活动中