纺织品加工是一个典型的小批量、长流程、多扰动的复杂非平稳生产过程,通常包含几十种或上百种加工过程变量,且相当一部分很难用数值准确表征.纺织品加工质量预测是纺织加工质量控制技术的基础课题.本项目拟基于生物信息系统的关键概念和机理，探索复杂非平稳生产过程的非结构化、非完整性、非确定性数据的清洗、特征增强和多元数据融合新方法，建立多工序耦合质量预测和反演理论模型，在借鉴现有质量管理理论及其它数据挖掘技术基础上，研究基于生物信息等机理的数据挖掘方法，高精度多工序耦合质量预测方法和多智能体强化学习和进化机理，尝试构造具有自学习和自适应特点的质量预测学习进化方法，使系统能通过数据挖掘，不断发现新知识，解决小样本条件下制造过程普遍存在的预测精度低、速度慢、知识无法积累、无法识别深层次质量缺陷预兆问题，适应不可预测的环境变化，并在进一步提高预测及反演精度同时，提高系统的鲁棒性。