织物的悬垂现象是指织物因自重而下垂的一种形变现象,是决定织物视觉美感的一个重要因素。具有良好悬垂性能的服装,能够形成光滑流畅的曲面造型,并能与人体恰当地贴合,给人视觉上的舒适性。因此,织物的悬垂性能是关系到服装设计和销售的主要因素之一。现今,随着人们对服装外观美的不断追求,以及各种新型面料、超细纤维的出现,研究织物的悬垂性能已变得越来越重要。本论文结合服装纺织专业知识以及软件工程的设计思想,实现对织物悬垂性能的预测。首先对织物组织结构参数和织物悬垂性能参数进行研究,接着介绍了神经网络原理及其在织物性能预测方面的应用。然后详细分析了BP神经网络模型的结构和算法,并引入智能神经元模型对BP神经网络进行改进。接下来根据织物组织结构参数和悬垂性能参数的数据特点和不同算法的比较,确定较为合理的预测功能算法——Levenberg-Marquardt算法,建立了能更加准确预测织物悬垂性能的预测模型。最后从系统的总体架构分析设计和后台数据库建立上,进一步详细阐明系统的设计过程和实现过程等。根据系统需要,以纺织行业相关国家标准编号为依据,借鉴图书馆索书号的编码规则,结合数据库修改的可行性,对织物悬垂性能预测系统的样品编码进行研究,设计出符合系统要求的织物样品标准编码,并最终建立了织物悬垂性能预测系统。系统实现了纤维、纱线及织物相关性能与织物悬垂性能指标的查询功能,以及从已知织物组织结构参数到悬垂性能指标的预测。