基于专利计量的智能纺织品技术创新前沿研究

来源：核心期刊咨询网时间：12

摘要：摘要： 智能纺织品作为纺织行业新的方向和经济增长点，具有广阔的发展前景和潜力。为了探究全球智能纺织技术的创新前沿，文章利用CiteSpace绘制的科学知识图谱，对智能纺织品技术进行了专利计量分析。结果表明，全球智能纺织品技术的研究集中于亚太地区、北

　　摘要： 智能纺织品作为纺织行业新的方向和经济增长点，具有广阔的发展前景和潜力。为了探究全球智能纺织技术的创新前沿，文章利用CiteSpace绘制的科学知识图谱，对智能纺织品技术进行了专利计量分析。结果表明，全球智能纺织品技术的研究集中于亚太地区、北美地区和欧洲地区，技术创新的主体是企业和大学机构。智能纺织品技术围绕计算机技术、通信技术、纺织物处理技术和医疗技术等热点技术交替演进，形成了应用创新、技术创新及生产工艺创新三个方向。目前，智能纺织品技术专利申请量虽有下降，但总体处于高速成长期，未来随着新兴研究的推进，还将有较大的增长空间。

　　关键词： 智能纺织品;专利计量;CiteSpace;德温特手工代码;创新前沿

　　随着第四次工业革命的兴起，不同技术之间的交流融合现象愈发频繁，新的技术前沿不断出现，传统的产业迎来了新的发展机遇。纺织产业作为中国的支柱产业，近年来由于用工成本的增大、国际竞争的加剧和各种技术壁垒的影响，逐步陷入了发展困境。传统的以劳动密集型为主的纺织行业亟需向高附加值的方向转型，新兴技术与纺织技术的融合逐渐成为一个重要的技术变革趋势。在这种背景下，产生了具有控温、形状记忆、防水透湿、电子智能等特性的智能纺织品[1-3]，并大受市场追捧。根据美国联合市场研究(Allied Market Research，AMR)机构的预测，到2022年，全球的智能纺织品市场规模将从2015年的9.43亿美元增长至53.69亿美元，增长的幅度达到了5.7倍，智能纺织品正在逐步成为全球纺织业的竞争核心。目前，许多国家都把经济发展的重点放到了纺织领域，并制定了相应的发展战略。例如，美国提出了“智能纺织计划”，德国提出了“未来纺织”的战略，日本的东丽、帝人等公司形成了从纤维到纺织品的技术创新链，中国也在“十三五”规划中多次提及“智能纺织”技术[1]。因此，分析智能纺织品技术的研究情况，通过知识和技术的创新建立新的优势，具有至关重要的意义。

　　当前，许多国家的学者都对智能纺织品技术开展了研究。从国内的研究来看，对智能纺织品技术的研究主要从发展趋势、应用方向及分类三部分内容入手。白洁[1]阐述了智能纺织品的分类和应用方向;金隽[4]从智能纺织品工艺和应用的角度，分析了智能纺织品技术的研究现状和发展方向;孙杰等[5]介绍了智能纺织品的定义、发展历史、应用现状及面临挑战等，并基于上述结果预测了未来趋势。王运利等[6]、杨丽丽[2]和周佩佩[3]重点分析了纺织品技术的应用方向;罗益锋[7]介绍了智能纺织品市场现状，并梳理了相关产品的开发应用方向。从国外的研究来看，對智能纺织品技术的研究主要是从发展历史、当前研究状况及基本原理三个方向入手。如Cherenack等[8]回顾了智能纺织品的发展历史，提出了当前研究的机遇与挑战;Chan等[9]、Ray等[10]从当前的研究文章和已有产品入手，分析了可穿戴系统的发展现状和挑战;Jayathilaka等[11]、Mokhtari等[12]从技术原理及相关材料的角度，研究了可穿戴技术的发展近况，并对未来进行展望。

　　这些研究虽然在一定程度上反映了智能纺织品技术的发展状况，但仍然存在着一些不足。国内的研究偏向于简单的综述，缺乏实际数据的支持;国外的研究数据来源主要是基于科学文献和产品，数据获取的全面性、便捷性存在着不足。因此，本文以德温特专利数据库中的智能纺织品技术专利为数据源，通过专利计量进行智能纺织品技术的可视化研究，借助CiteSpace制作知识聚类图谱，测算关键点和热点，探索智能纺织品技术的演化和创新前沿。

　　1 数据来源与研究方法

　　1.1 数据来源

　　一个领域的技术知识主要存在于科学文献、专利文献、技术开发人员和产品中[13]。一般来说，专利数据被认为是最可靠的知识来源[14]。一个专利数据通常由多个技术分类号组成，因此，所包含的技术信息相对全面，能够很好地作为智能纺织品技术创新的指标，反映智能纺织品技术的变革方向。

　　本文所采用的专利数据来源于德温特专利数据库(DII)。德温特专利数据库收录了来自世界40多个专利机构的三千多万个专利，包括一千多万个基本发明专利，覆盖了全球100余个国家和地区的专利文献，是整合了专利科技文献的权威数据库。

　　对于智能纺织品技术，本文的检索策略是将“纺织品”和“智能”作为关键词，分别进行搜索，然后把得到的结果进行组合，从而获得与智能纺织品技术有关的专利信息。首先，对“纺织品”关键词构造检索式，进行主题检索(表1)。一般认为，纺织品是指经纺织加工而成的产品，包含原材料，如由棉、纱、丝和线等组成的纺织纤维类(textile fibres);半成品，如针织布、梭织布、无纺布及各种工农业用布组成的布类(cloth);制成品，如服装服饰(clothing、dress、garment、costume)及其他纺织品(textiles、textile)。由于textile fibres是textile的子集，因此，构造的检索式为TS=("cloth" or "clothing" or "dress" or "garment" or "costume" or "textiles" or "textile")，检索生成638 410条记录，检索号为#1。然后，对“智能”关键词构造检索式TS=("smart" or "intelligent" or "wearable")，进行主题检索，得到854 746条记录，检索号为#2。最后将上述两个检索结果作交集，即#1 and #2，得到检索结果17 426条。检索的时间跨度为2000年到2019年，检索日期为2021年1月29日。

　　1.2 分析工具

　　CiteSpace是一款基于共引分析和寻径网络算法分析的信息可视化软件，它可以对选定领域的文献进行计量分析，帮助研究者发现学科演化的关键路径，从而形成对学科演化潜在动力机制的分析和学科发展前沿的探测[15]。目前，CiteSpace已经广泛应用于知识技术领域。刘秀玲等[16]使用CiteSpace分析了全球纺织技术的演化情况和技术前沿，认为当前纺织产业的创新既面临风险，又蕴藏着机会。吕一博等[17]利用CiteSpace研究了物联网和人工智能融合后的发展现状和未来方向，找到了当前的热点技术，并对未来发展趋势做出了预测。因此，利用CiteSpace的知识图谱技术，分析智能纺织品技术的演化趋势和发展前沿是可行的。

　　1.3 研究方法

　　本文主要的研究方法是共詞聚类分析。共词聚类分析是一种结合了文献计量和聚类统计的研究方法，它通过计算关键词之间的联系程度(即关键词在同一专利中共同出现的次数)，对关键词进行聚合统计，使得形成的类中，类间相似度较小，类内部相似度较大。具体的做法分为两步，首先是通过德温特手工代码之间的共现关系，绘制共现网络;然后对共现网络进行快速聚类统计。快速聚类统计又称为K-Means聚类，这是一种迭代型聚类方法，它首先随机选取K个对象作为初始聚类中心，然后计算样本中的数据与这些中心的欧式距离，按照距离远近进行分类，接着把每类中数据的均值作为新的类中心，不断迭代，直至聚类不再发生改变为止。其中欧式距离(euclidean distance)的计算公式为：

　　L(xi，xj)=sqrt(∑nm=1|x(m)i-x(m)j|2)(1)

　　式中：xi为技术关键词i，其坐标为xi=(x(1)i，x(2)i，x(3)i，…，x(n)i);xj为技术关键词j，其坐标为xj=(x(1)j，x(2)j，x(3)j，…，x(n)j);L(xi，xj)为两个技术关键点之间的距离。

　　1.4 研究思路

　　本文的研究思路主要从以下两个方面入手。首先是对智能纺织品技术创新总体的分析。结合专利年申请量，申请国家和地区分布及专利权人的信息，探索近20年来全球智能纺织品技术的创新现状。其次是对智能纺织品技术演化和前沿的分析。将2000—2019年的数据划分为三个阶段，利用CiterSpace绘制各个阶段的技术聚类图谱，测算图谱中的中介中心性和突现值，以此来发现网络中重要节点的变化情况、关键点技术和热点技术。结合以上过程，绘制了研究框架(图1)。

　　2 智能纺织品技术创新总体分析

　　2.1 专利数量增长趋势

　　从德温特专利数据库中获取与智能纺织品技术相关的专利信息，并按照年份进行统计分析，得到了近20年来，全球智能纺织品技术相关专利申请量的变化情况，如图2所示。

　　从图2可以发现，与智能纺织品技术相关的专利申请总体呈上升趋势，这表明智能纺织品技术越来越受到重视。在2000—2006年，专利的申请数量很少，此时的智能纺织品技术正处于萌芽阶段。在2007—2013年，专利的年申请数量有了较大幅度地提高，专利的规模也逐渐扩大，这一时期的专利申请总量大约是前一时期的8倍，此时的智能纺织品技术正处于快速成长阶段。在2013年之后，专利的申请数量总体上依旧呈现上升的态势，这一阶段的专利总申请量大约占据全部申请专利的85%，此时的智能纺织品技术正处于高速成长阶段。

　　推荐阅读：纺织工程专业学术期刊列表

转载请注明来自：http://www.qikan2017.com/lunwen/lig/20635.html