【集萃網(wǎng)觀察】摘要：在研究纖維集合體吸濕和導(dǎo)濕機制的基礎(chǔ)上，明確了纖維集合體吸濕導(dǎo)濕性能的影響因素，并建立纖維集合體吸導(dǎo)濕數(shù)學(xué)模型。利用VisualC++編程軟件開發(fā)了一套纖維隨機排列模擬軟件，借助計算機模擬技術(shù)，以聚對苯二甲酸丙二醇酯（m）纖維為例，研究了不同線密度纖維集合體的吸導(dǎo)濕性能。模擬結(jié)果表明：纖維細旦化有利于纖維集合體吸濕保水性能的提高，但當m單纖維線密度達到0.36dtex時，其纖維集合體吸濕保水性能達到極限，纖維進一步細化反而無益于改進其吸濕保水性能;另一方面，纖維集合體的導(dǎo)濕快于性能會隨著纖維的細化而持續(xù)下降。
纖維的吸濕和導(dǎo)濕性能是直接影響織物穿著舒適性的重要因素。一類由合成纖維改性得到的吸濕排汗類功能纖維及其織物開發(fā)問世后迅速成為服用纖維市場上的熱點。吸濕排汗纖維的主要改性方法有纖維細旦化、纖維異形化和化學(xué)表面處理等。
越來越多的學(xué)者致力于纖維集合體吸導(dǎo)濕行為的研究。然而，現(xiàn)階段的研究多局限于對已有產(chǎn)品的測試分析，在數(shù)學(xué)模型的基礎(chǔ)上，利用計算機模擬研究纖維集合體吸濕導(dǎo)濕性能還未見報道。本文將重點研究纖維細旦化對纖維集合體吸濕導(dǎo)濕性能的影響。
1纖維集合體吸濕導(dǎo)濕機制
合成纖維集合體的吸導(dǎo)濕行為主要是液體在纖維集合體中毛細孔隙的芯吸效應(yīng)一。芯吸效應(yīng)是指纖維集合體潤濕之后，液體在界面張力的作用下沿著纖維集合體內(nèi)毛細孔隙流動擴散的現(xiàn)象，它是纖維集合體具有吸導(dǎo)濕性能的主要原因。
1.1纖維集合體吸導(dǎo)濕途徑
纖維織物的結(jié)構(gòu)普遍遵循纖維、紗線、織物3層結(jié)構(gòu)，若干根纖維集成纖維束形成紗線，若干紗線再經(jīng)織造得到織物。這種多層次的結(jié)構(gòu)使織物內(nèi)形成幾種不同性質(zhì)的毛細孔隙，包括紗線內(nèi)的毛細孔隙和紗線之間的毛細孔隙。這些毛細孔隙均有可能成為液體芯吸擴散的通道。而紗線內(nèi)纖維與纖維之間的毛細孔隙是織物導(dǎo)濕的主要途徑，即織物的導(dǎo)濕性能主要取決于纖維紗線（即纖維束）的導(dǎo)濕性能。
1.2纖維束垂直芯吸模型
明確了纖維集合體吸濕導(dǎo)濕的主要方式和途徑后，本文將研究的重點聚集到纖維束內(nèi)的芯吸過程。
Reed和Wilson為了研究液體在毛細空間中的擴散傳輸情況，提出一種簡單的單毛細管垂直芯吸模型]，如圖1所示。通過對毛細管內(nèi)的液體進行受力分析可知，該段液體除了受到因液體界面張力產(chǎn)生的附加壓力P之外，還受到與液體運動方向相反的液體自身重力Pc，液體黏滯力Pv，流體慣性力P1。
液體在毛細管內(nèi)的芯吸流動是個動態(tài)的過程，假設(shè)液體流動時加速度為0，即流體慣性力P1，為0，此時對力學(xué)平衡方程式（2）積分求解可以得到液體芯吸流動的動力學(xué)方程：
由式（3）～（6）可見，毛細管芯吸性能參數(shù)h、Q、v等主要取決于液/氣界面張力，固/液接觸角θ，毛細管截面幾何尺寸c、A，當纖維與液體固定時，.p、T、θ為定值，毛細管芯吸性能主要取決于毛細管截面幾何尺寸。
在Reed&Wilson垂直芯吸模型的基礎(chǔ)上，本文提出了纖維束垂直芯吸模型（modeloffiberbundle，簡稱MFB）。將一束纖維看作為若干根纖維平行排列，纖維之間相互接觸，但不發(fā)生擠壓形變。纖維與纖維之間形成若干平行排列毛細孔道，這些毛細孔道就是纖維束芯吸導(dǎo)濕的通道。類似Reed&Wilson模型，可以表征纖維束的最大芯吸高度：
芯吸高度、芯吸量、芯吸時間和芯吸速度等參數(shù)普遍用來表征纖維集合體的導(dǎo)濕性能。從這些導(dǎo)濕性能參數(shù)的表達式中可看出，在纖維材料與液體不變的情況下（即p、T、θ為定值），纖維束的導(dǎo)濕性能參數(shù)取決于纖維束內(nèi)毛細管數(shù)量及其截面幾何尺寸。如何獲得纖維束內(nèi)毛細管的數(shù)量以及幾何尺寸成為評價纖維束導(dǎo)濕能力的關(guān)鍵。如圖2所示，在纖維束軸向上取相距為f的兩截面間的一段加以研究，利用無限分割原理，即當l趨向于無窮小時，纖維束段即等效為截面A或截面B。在截面A或B中可以直觀地觀察每根纖維在纖維束中的排列情況以及纖維束內(nèi)毛細管生成情況。由于纖維束中纖維排列的隨機無規(guī)性，纖維束可以看成無限多無差別的截面累積，所以應(yīng)用MFB模型研究纖維束導(dǎo)濕性能的關(guān)鍵是纖維束截面圖像的獲得以及截面中毛細孔數(shù)量和幾何尺寸的精確測量。
2纖維束截面的計算機模擬
為了獲得纖維束內(nèi)毛細孔數(shù)量及其幾何尺寸，文獻]通過假設(shè)纖維在纖維束中規(guī)則而緊密地排列，計算出纖維束截面中毛細孔隙的數(shù)量和尺寸，但這種理想的排列和實際情況下纖維無規(guī)隨機的排列差異明顯，結(jié)果參考意義不大。文獻]通過拍攝纖維束截面照片，對照片進行圖像分析來獲得纖維束截面中毛細孔隙的數(shù)量和尺寸，這種方法同樣存在缺陷。圖像拍攝過程往往會使纖維束中纖維排列過于緊密，纖維往往會受壓變形，而在圖像分析時，模糊的纖維輪廓使毛細孔隙界定十分困難。
為了便捷高效并且盡可能準確地獲得纖維束截面圖像，并精確計算獲得截面中毛細孔數(shù)量和幾何尺寸，本文利用VisualC++編程軟件開發(fā)了一套纖維束截面模擬軟件，命名為SG（Shape.Generator）。通過該模擬軟件實現(xiàn)纖維在纖維束中排列分布的仿真，獲得纖維束截面的仿真圖像，并通過圖像處理精確計算出纖維束截面中毛細孔數(shù)量和幾何尺寸。模擬所得的纖維束截面圖中纖維完全隨機排列，與實際纖維束中纖維排列情況十分接近，仿真度很高。
3模擬實驗
在MFB模型的基礎(chǔ)上，利用SG模擬軟件模擬研究在相同的紗線尺寸下，單纖維線密度的變化對紗線內(nèi)毛細孔隙的生成情況以及紗線的導(dǎo)濕性能所產(chǎn)生的影響。
3.1實驗條件
實驗以PTT纖維為例，模擬14種不同線密度的PTT纖維所組成紗線的芯吸性能。如表1所示，紗線截面直徑一致，室溫環(huán)境下紗線直徑D為100um，纖維密度P為1.33×103。kg/m3，液/氣表面張力T為7.2×10-3N/m，固/液接觸角為60。，液體密度P為1×103kg/m3，液體黏度n為1×10-3Pa·s，重力加速度g取9.81m/s2。
3.1實驗條件
實驗以PTT纖維為例，模擬14種不同線密度的PTT纖維所組成紗線的芯吸性能。如表1所示，紗線截面直徑一致，室溫環(huán)境下紗線直徑D為100um，纖維密度P為1.33×103。kg/m3，液/氣表面張力T為7.2×10-3N/m，固/液接觸角為60。，液體密度P為1×103kg/m3，液體黏度n為1×10-3Pa·s，重力加速度g取9.81m/s2。
由圖4可見，隨著纖維線密度值的降低，單纖維毛細孔生成能力并不是持續(xù)增加的，在0.36dtex左右達到峰值，此后隨著纖維線密度值進一步減小，其單纖維毛細孔生成能力反而下降，并固定在一個特定值0.43左右。依此判斷，當纖維過細時，纖維之間的孔隙因面積過小而堵塞，以至不能形成更多有效毛細孔。
3.2.2纖維束最大芯吸高度
最大芯吸高度指毛細孔在無限時間內(nèi)芯吸爬升的最大高度。由圖5可見，隨著纖維線密度值的減小，纖維束內(nèi)毛細孔的最大芯吸高度持續(xù)增加，并在0.36dtex時達到最大值，隨著纖維進一步變細，其最大芯吸高度反而下降。
3.2.3纖維束最大芯吸量
最大芯吸量是指當芯吸達到最大高度時纖維束內(nèi)的液體總量，它反映了纖維束對液體的承載能力。
由圖6可見，纖維束的最大芯吸量隨著纖維線密度值的減小而增大，并在纖維線密度為0.36dtex時達到最大值，此后隨纖維進一步變細，最大芯吸量反而降低。這是因為纖維過細，纖維之間毛細孔容易阻塞而使纖維束孔隙率下降。
3.2.4纖維束初始芯吸速度
纖維束芯吸速度的快慢可以反映其導(dǎo)濕快干性能的好壞，特別是纖維束接觸水分瞬間時的初始芯吸速度決定了織物能否迅速導(dǎo)濕快干。由式（9）（纖維束芯吸動力學(xué)方程）可知，纖維束的芯吸速度是逐漸趨緩的，在芯吸開始瞬間（t=0，x=0）趨向于無窮大。為了得到1個可以比較的芯吸速度值，將芯吸剛剛開始即芯吸高度達到0.1mm時的瞬間芯吸速度視為初始芯吸速度。由圖7可見，隨著纖維線密度值的減小，纖維束的初始芯吸速度呈線性下降趨勢。可見細旦纖維雖然吸濕保水性能較好，但是導(dǎo)濕快干性能反而不如常規(guī)纖維。
4結(jié)論
纖維的線密度影響著纖維束內(nèi)毛細孔的生成數(shù)量及其幾何性質(zhì)，從而影響纖維束的芯吸性能。綜合上述模擬實驗結(jié)果可知：相比常規(guī)PTT纖維，纖維細旦化有利于纖維束吸濕保水能力的提高，但并不是越細越好。當單纖維線密度為0.36dtex左右時，其纖維集合體的毛細孔生成能力最強，纖維集合體的最大芯吸高度、最大芯吸量均達到峰值，所以此時纖維集合體擁有最佳的吸濕保水能力，但是，纖維細旦化也使得纖維束的導(dǎo)濕快干性能下降。由此可見，一昧地纖維細旦化開發(fā)吸濕排汗類纖維是不可取的。
來源 王亞光，王華平，王朝生，張玉梅
手機版印花網(wǎng)
微信號：yinhuashijie
