随着科学技术的发展和生活水平的提高，人们对纺织品的要求已经不仅仅局限于遮蔽、保暖等基本功能，开始追求穿着舒适性。而织物的舒适性很大程度上取决于织物的触感，即人用手触摸纤维和织物的感觉反应。现实生活中人们通过触摸来挑选感觉舒适的服装，实际上就是对织物触感的一种分类。现有的织物触感分类方法主要包括KES织物风格仪法、FAST织物风格仪法和PhabrOmeter织物手感评价系统。从本质上来说，以上三种方法都是以基本物理机械性质为基础，运用统计学方法，得出其与织物触感感官分类之间的统计学关系评价，从而能够将类似织物分类。但是，目前的方法与人体真正的触感存在差距，主要原因可能是忽略了触感产生的生理过程和本质含义，即织物与手指间的接触摩擦作用触发了人体感受器而产生感觉。物体表面不同的纹理造成手指在滑动过程中产生振动，这种多频振动是刺激人体触觉感受器的关键因素。已有的研究表明，在人体触觉质感的形成过程中存在两种编码机制，即时间编码机制和空间编码机制，分别编码不同频率和相位的振动刺激信号。关于物体与手指间的摩擦振动的研究主要关注硬质物体，分析摩擦振动信号与物体表面性质间的关系，并进行辨别和分类。就柔性纺织品而言，已有的工作主要集中在基于摩擦振动信号估算表面性质参数，较少涉及织物与手指间的摩擦振动信号与织物触感间的关系。而织物作为一种柔性集合体，由毛羽、纱线、织物组织等组成特征丰富的表面纹理。在织物与手指的接触摩擦过程中，具有不同属性的织物与皮肤相互作用产生不同的振动信号。该振动信号不仅包含了织物表面的纹理信息及材料特性，还体现了手指与织物接触摩擦过程中的相互作用，若以此为织物触感的分类依据，则更贴近人体真实感觉。因此，本课题以织物触感的生理刺激量为基础，寻求一种织物触感的客观分类方法，具体开展了以下研究内容：（1）采集织物与手指接触过程中产生的摩擦振动信号，基于人体触觉感受器对振动刺激的响应特征，运用频谱分析技术对其进行分析，提取特征空间。研究发现，该特征空间能够有效表征手指所受的生理刺激。设计一组分别以纬密、纬纱支数、纬纱材质和组织结构为变量的机织物作为织物触感分类样品，测量手指恒速滑过织物表面时产生的摩擦振动信号。对信号进行去噪处理后，运用快速傅里叶变换（FFT）将其转换成频域功率谱。由于不同的人体触觉感受器具有不同的振动刺激敏感频率，且只有当刺激达到一定程度时才能触发，即存在刺激阈值。本课题将手指的刺激响应频率范围0-500Hz细分为16个频段，计算每个频段内功率谱高于阈值曲线部分的面积，定义其为振动强度值。同时，为了避免信息重复，提高表征效率，运用主成分分析方法将振动强度值降维，得到表征振动刺激的5维特征空间。最终得到的5维特征空间即为表征手指所受生理刺激的指标。（2）以提取得到的振动强度特征空间为自变量，运用不同监督学习算法对织物触感进行分类。研究表明，基于振动强度特征空间能够有效对织物触感给予分类。并且，运用径向基神经网络的分类结果最准确。分别采用聚类分析、K-NN、多层感知器神经网络和径向基神经网络，以提取得到的5维特征空间为输入量，对织物粗糙感和柔软感进行分类。同时进行感官评价实验，通过客观分类方法与感官评价结果的一致性判断分类准确性。对不同分类计算方法的分类准确性进行比较发现，聚类分析的分类由于数据处理较简单，分类结果最不准确。而径向基神经网络因其模拟人类思维的计算原理，得到最贴近人体真实感受的触感分类结果。（3）为了验证基于摩擦振动信号的织物触感分类方法的可行性和可靠性，选择另一组织物试样，对比分析感官分类结果和本课题建立的客观方法的分类结果，发现粗糙感分类结果具有普适性，而柔软感分类方法有待改进。随机选取一组表面性质差异较大的织物，邀请10名受试者进行摩擦振动信号采集和感官评价实验。在对分类结果的分析中发现，针对同一受试者而言，无论是粗糙感还是柔软感，该方法的分类结果均接近感官评价结果；对于不同受试者而言，运用该方法得到的粗糙感分类结果较为一致，但柔软感分类结果间存在较大差异。这主要是由于柔软感的感知方式不能够充分提取信息，导致分类算法的输入存在偏差。综上所述，基于织物与手指间的摩擦振动信号，结合人体触觉产生的生理过程，运用频谱分析技术可以提取出有效表征织物触感的机械刺激特征空间，运用径向基神经网络能够实现贴近人体真实触感的分类结果。但是，由于人与人之间指纹不尽相同，该方法在不同人群之间的普适性还有待提高。