织物吸湿导湿性能研究近年来一直备受关注且成果颇丰。目前市面上的吸湿排汗面料多由改性后导湿性能优良的化学纤维构成,可为从事剧烈运动或环境温度高而大量出汗的穿着者提供必要的舒适性能。而日常生活中人们更青睐棉纤维制成的服装。棉织物天然环保、且在穿着者处于人体舒适温度环境/无汗的情况下提供优异的舒适性,但在人体出汗时容易吸附汗液紧贴皮肤而产生湿冷感,不舒适也影响美观。因而融合导湿化学纤维和天然纤维的优势,研制适用更宽人体出汗程度或更宽环境温度变化范围的舒适面料将具有很好的市场价值。本课题从天然棉织物服用面料的角度出发,通过导湿化学纤维的适量引入,探索含棉导湿服用面料的可行性以及面料中棉纤维的合理含量;并致力于实现含棉织物导湿过程的合理化表征,为含棉导湿服用面料的研发和生产提供理论依据。首先设计并上机试织了5块经纱均为棉,纬向为不同“棉/导湿涤纶Coolbst”的平纹交织面料,每块面料中棉纤维含量在50%~100%之间,测试分析其导湿性能并得出结论:含棉导湿面料的开发具有可行性,但由于织物导湿性能与面料中含棉量呈高度负相关关系因而需要合理谨慎选择织物中棉纤维的含量;同时配合导湿纤维的适量引入,使得所设计的面料在保留棉织物舒适性的前提下同样拥有良好的导湿性能。然后基于试织的面料以及搜取的不同棉纤维含量(50%~100%)的面料样品的实测导湿性能测试数据,分别从经典模型分析和线性回归分析的角度,探索更合理的表征含棉织物吸湿导湿过程的数学模型。现有的导湿模型忽略了纺织材料结构的复杂性,且不能有效表征棉纤维其润湿溶胀特性对毛细管直径的影响而与实际存在差距。本文将借助蒙特卡罗模拟(Monte Carlo Simulation)方法,利用概率分布的形式模拟纺织材料毛细结构的不匀以及棉纤维在吸湿导湿过程中结构的变化,构建合理的含棉织物导湿概率模型。其中概率模型建立的前提是性能函数的确定以及变量参数分布的定义。经典模型分析是基于Washburn方程。借助Monte Carlo模拟方法定量分析其局限性;然后通过变量及参数的引入对方程局限性进行针对性修正,并分别借助Matlab和Origin获得各变量及参数的拟合分布函数,从而得到修正后的Washburn概率模型。线性回归分析则是在统计软件Minitab上针对自制和搜集的样本进行数据整理并进行分类多元线性回归拟合,得到不同棉纤维含量(50%~100%)、不同纬向纤维组成(棉/超细涤纶、棉/异形截面涤纶Coolbst、棉)织物其芯吸高度与织物结构参数之间的回归方程,并假定分布类型和CV值得到结构参数织物紧度的分布函数;从而得到三类织物的多元线性回归概率模型。基于所构建的概率模型进行Monte Carlo模拟实验,并与样品实测实验数据对比,发现修正后的Washburn概率模型在一定条件下能有效表征含棉织物遇液态水后的芯吸过程;而多元线性回归概率模型能在一定范围内反映织物中各结构参数以及织物中纤维组成类型的不同对织物导湿性能的影响。最后另外搜集棉纤维含量同样在50%~100%范围内,但不同规格的含棉织物作为样品,并扩大实验条件范围分别进行实测和Monte Carlo模拟实验,检验两个模型进一步扩展和应用的可行性。结果表明修正后Washburn概率模型能有效预测芯吸时间范围0-30min内含棉织物芯吸高度及其随时间变化的规律,而所构建的回归概率模型对于指定的3类面料导湿能力的预测准确性也得到进一步验证。两个导湿概率模型的建立从不同角度实现数值化表征了含棉织物的吸湿导湿过程,实现用概率分布的形式表征织物毛细结构的不匀及遇湿不稳定性,在实际应用中可为含棉导湿面料的研发与生产提供理论依据,并起到一定指导作用。