感谢关注公众号
欢迎转发和分享
近日，2024年东华大学期刊理事会年会暨校企合作论坛召开。在论坛上，Journal of Donghua University (English Edition) （JDHUE）编委，东华大学材料科学与工程学院王华平教授应邀做题为“聚酯纤维工程仿真与智能制造”的学术报告。报告阐述了纤维工程仿真的前沿技术及其在智能制造中的应用，深入分析了当前行业面临的挑战与机遇，为我国纤维工程领域的发展提供了新的思路。
专家介绍
王华平，东华大学材料科学与工程学院，二级教授，博士生导师。任高性能纤维及制品教育部重点实验室（B）主任，兼任产业用纺织品教育部工程研究中心副主任、中国纺织工程学会会士，化纤专业委员会副主任；中国化纤标准化委员会副主任、纺织类专业纤维材料教学指导委员会主任，上海市纺织工程学会副理事长。
带领团队坚持产学研合作，长期工作在纤维材料工程技术创新的第一线，聚焦纤维全流程智能制造、材料改性与加工、资源综合利用等关键技术和应用开发创新，承担国家重点研发计划及智能、绿色制造专项等重大项目10余项，荣获国家科技进步二等奖5项，省部级一等奖15项；并获全国优秀科技工作者、何梁何利基金科学与技术创新奖、全国创新争先奖、中国纺织学术大奖、改革开放40年纺织行业突出贡献人物、中国纺织工业联合会特别贡献奖（桑麻学者）、教育部新世纪优秀人才支持计划、上海市领军人才、上海优秀学科带头人、曙光学者（跟踪）等荣誉称号，享受国务院特殊津贴。
谢锐敏，东华大学材料科学与工程学院，讲师，硕士生导师。博士毕业于东华大学信息科学与技术学院，致力于材料与信息交叉学科建设，主要研究方向为纤维全流程智能制造。主持上海市科委扬帆计划、上海市教委晨光计划、中国博士后科学基金面上资助、中央高校自由探索项目、东华大学学科创新领域培育项目等5项，主持企业技术服务与开发项目3项，参与上海市研究生教育改革项目、上海市自然科学基金面上项目、江苏省人才攻关联合体项目、江苏省淮上英才创新团队项目等10余项。在IEEE Transactions on Industrial Informatics、IEEE Transactions on Industrial Electronics、Computers & Chemical Engineering、Small、ACS Sustainable Chemistry & Engineering、ACS Applied Materials & Interfaces等期刊发表论文20余篇。申请或授权国家发明专利10余项，登记软件著作1项，制定团体标准《聚酯长丝智能车间》等5项。获中国纺织工业联合会科技进步一等奖1项、中国纺织工业联合会纺织高等教学成果一等奖1项，上海市课程思政示范奖3项。
报告主要内容解读
2024年是人工智能应用元年，王华平教授认为中国有庞大的制造业基础，“人工智能+”制造的主阵地在中国，在纤维强国战略下，聚酯纤维产业是中国纤维产业与国际竞争的重点，也是纤维强国的标志，突破“人、机、料、法、环、测”互联互通，将纤维成形机理模型与生产大数据联动，建立聚酯纤维全流程智能制造体系，是未来纤维制造转型的必然趋势。
聚酯纤维熔融纺丝成形机理是聚酯纤维智能制造的理论基础。纺丝成形机理的研究始于上世纪60年代，经历了模型建立、模型发展、模型工程应用三个阶段。近年，东华大学材料科学与工程学院开发了首个纤维知识大模型“纤贝”，为纤维研究人员提供了更高效的研究平台。王华平教授团队就纤维成形模型及纤维智能制造开展了一系列的研究工作。
在纤维熔融纺丝成形机理方面——
（1）材料参量仿真：将实验数据与熔纺动力学机理数据相融合，构建纺丝物理信息神经网络，对应力光学系数、传热系数等未知的物性参数进行逆向拟合和预测；
（2）喷丝仿真：开发基于流场因子理论的喷丝板模型，应用于高导湿、保暖、亲水纤维喷丝孔的孔型设计；同时利用蒙特卡洛计算机仿真技术，模拟纤维集合体毛细效应，建立纤维形态与导湿性能关联模型，指导新型纤维开发；
（3）流场仿真：基于流体力学与能量动量守恒，模拟冷却介质的流场分布，获得复杂风场条件下的吹风区纤维换热效率与张力变化，优化差别化纤维品种的吹风装置设计与吹风工艺调控；
（4）成形过程仿真：基于纺丝动力学模型的成形数值模拟，可视化、定量化地获取丝条成形全流程的过程参数，明确风场、力场、温度场多因素联动下的纤维结构及其调控方法；构建无风区、吹风区、自然冷却区多段建模，前后前街；
（5）结构与性能关系仿真：基于纤维取向度、结晶度等微观结构参数及纤维倍半伸长率、断裂强度等性能参数，利用机器学习方法，构建纤维结构与性能关联模型，同时追溯至纺丝工艺条件，构建工艺-结构-性能多级关联模型。
在纤维智能制造方面——
原创性地提出了纤维智能制造的定义，即：纤维智能制造是新一代信息通信技术与纤维先进制造技术深度融合，核心是基于成形工程原理模型与数据模型联动，建立聚酯纤维数字孪生制造系统，突破人、机、料、法、环、测互联互通、共享融合、系统集成等重大技术瓶颈问题，实现全流程智能制造。
（1）智能模型：熔体直纺纤维的五釜聚合过程柔性化生产机理模型、基于生产大数据与深度学习方法的聚合熔体指标预测模型、基于实验数据与机器学习方法的纤维结构性能及力学性能预测模型；
（2）智能检测：构建覆盖全过程、全要素的可追溯在线检测新体系，具体包括非接触式张力激光检测、非接触式纺丝条干均匀性在线检测、丝饼外观瑕疵智能在线检测、喷丝板铲板及喷丝板智能检测等；
（3）智能生产：开发基于聚合、纺丝过程机理与数据双驱动的全流程仿真软件，构建产销协同智能排产优化决策系统，实现全过程智能生产；
（4）智能物流：开发智能仓储、智能装载、智能客户平台及智能供应链技术；
（5）智能管控：构建聚酯熔体直纺装置全流程分布式控制系统、智能化能源管理系统及纤维大数据平台。
面向未来，开发纤维智慧研究平台，将各系统进行深度集成，打破数据孤岛，全面实现智能化开发是纤维发展的必然趋势。
（1）强化纤维工业“五基”，即基础零部件（喷丝板、卷绕头、纺丝组件等）、基础材料（油剂、催化剂、母粒等）、基础工艺（在线添加、共聚共混、微量改性等）、基础技术（检测、运输、控制技术等）、基础软件（DCS、APC、EMS等）；
（2）拓展新体系建设：利用智能制造技术，促进高品质碳纤维、聚酰胺6熔体直纺等新体系发展；
（3）开发新制造模式：发展智慧制造体系，开创制造新模式，总体形成涵盖原料开发、聚合技术及纤维制备、纺织及制品全产业链智慧制造，解决产业同质化瓶颈，推动我国纺织产业由大转强，提升影响力、引领力及核心竞争力。
感谢王华平教授团队提供报告详细内容！
人工智能为建立聚酯纤维全流程智能制造体系开启了新的大门，也为纺织与时尚行业带来了前所未有的变革。
Journal of Donghua University (English Edition) “Artificial Intelligence on Fashion and Textiles”专栏，聚焦纤维&纺织&时尚与人工智能交叉融合，助力人工智能技术推动纺织行业的智能化转型。以下近两年相关论文涵盖了从聚酯纤维酯化过程的多输出高斯过程回归模型，到纤维检测、非织造材料疵点检测，再到织物缺陷检测、面料图像检索，以及服装设计和销售预测等多个领域，欢迎各位读者阅读和关注。
纤维&纺织&时尚与人工智能
精选论文推荐
Multi-output Gaussian Process Regression Model with Combined Kernel Function for Polyester Esterification Processes
基于组合核函数的聚酯纤维酯化过程多输出高斯过程回归模型
作者：王恒骞，耿君先，陈磊*
引用：WANG H Q, GENG J X, CHEN L. Multi-output Gaussian process regression model with combined kernel function for polyester esterification processes[J]. Journal of Donghua University (English Edition), 2023, 40(1): 27-33.
全文链接：
Unifying Convolution and Transformer Decoder for Textile Fiber Identification
基于卷积神经网络和注意力机制的纤维检测方法
作者：许罗力，李粉英，常姗*
引用：XU L L, LI F Y, CHANG S. Unifying convolution and transformer decoder for textile fiber identification[J]. Journal of Donghua University (English Edition), 2023, 40(4): 357-363.
全文链接：
Improvement of High-Speed Detection Algorithm for Nonwoven Material Defects Based on Machine Vision
基于机器视觉的非织造材料疵点高速检测算法改进
作者：李成族，位珂晗，赵英博，田雪慧，钱洋，张璐，王荣武*
引用：LI C Z, WEI K H, ZHAO Y B, et al. Improvement of high-speed detection algorithm for nonwoven material defects based on machine vision[J]. Journal of Donghua University (English Edition), 2024, 41(4): 416-427.
全文链接：
Review of Fabric Defect Detection Based on Computer Vision
基于计算机视觉的织物缺陷检测研究综述
作者：朱润虎，辛斌杰，邓娜*，范明珠
引用：ZHU R H, XIN B J, DENG N, et al. Review of fabric defect detection based on computer vision[J]. Journal of Donghua University (English Edition), 2023, 40(1): 18-26.
全文链接：
Fabric Image Retrieval Based on Fine-Grained Features
基于细粒度特征的面料图像检索
作者：罗辛*，夏冬梅，陶然，史有群
引用：LUO X, XIA D M, TAO R, et al. Fabric image retrieval based on fine-grained features [J]. Journal of Donghua University (English Edition), 2024, 41(2): 115-129.
全文链接：
Design of Sleeveless Tight-Fitting Sensing Clothing Based on ANSYS Workbench
基于ANSYS Workbench的无袖紧身传感服装设计
作者：白云峰，郑丽，丁浩，朱世根*
引用：BAI Y F, ZHENG L, DING H, et al. Design of sleeveless tight-fitting sensing clothing based on ANSYS Workbench [J]. Journal of Donghua University (English Edition), 2024, 41(1): 8-14.
全文链接：
Clothing Parsing Based on Multi-Scale Fusion and Improved Self-Attention Mechanism
基于多尺度融合和改进自注意力机制的服装解析
作者：陈诺，王绍宇*，陆然，李文萱，覃志东，石秀金
引用：CHEN N, WANG S Y, LU R, et al. Clothing parsing based on multi-scale fusion and improved self-attention mechanism[J]. Journal of Donghua University (English Edition), 2023, 40(6): 661-666.
全文链接：
Original Feature Preserving Virtual Try-on Network Based on Receptive Field Block
OFP-VTON：基于感受野模块的原有特征保持虚拟试衣网络
作者：王昭阳，陶然*，卢海伦
引用：WANG Z Y, TAO R, LU H L. Original feature preserving virtual try-on network based on receptive field block[J]. Journal of Donghua University (English Edition), 2024, 41(1): 28-36.
全文链接：
Sales Forecasting of New Clothing Products Based on Hierarchical Multi-Modal Attention Recurrent Neural Network
基于层次化多模态注意力机制循环神经网络的服装新品销售预测
作者：石闻达，杜劲松*，李笛出乘
引用：SHI W D, DU J S, LI D C C. Sales forecasting of new clothing products based on hierarchical multi-modal attention recurrent neural network[J]. Journal of Donghua University (English Edition), 2024, 41(1): 21-27.
全文链接：
Region-Aware Fashion Contrastive Learning for Unified Attribute Recognition and Composed Retrieval
面向属性识别和组合检索的区域感知时尚对比学习
作者：王康平，赵鸣博*
引用：WANG K P, ZHAO M B. Region-aware fashion contrastive learning for unified attribute recognition and composed retrieval[J]. Journal of Donghua University (English Edition), 2024, 41(4): 405-415.
全文链接：
扫二维码
关注我们
