棉纱质量直接影响棉纺企业的经济效益,影响棉纱质量的因素众多,包括原棉性能和纺纱工艺。在纺纱工艺相同情况下,起到决定性作用的是原棉性能。传统上通过试纺来了解棉纱质量,虽然简单有效、但却会造成大量资源浪费,不能满足企业实际生产需要。如何根据企业大量的历史加工数据,利用人工智能算法和先进的计算机技术实现棉纱质量的准确预测,将对企业降低生产成本,提高竞争力具有十分重要的意义。本文首先对纺纱的基本流程进行研究,了解常见的原棉性能指标和棉纱质量指标,并对影响棉纱质量的主要因素进行了全面的分析,最终确定通过原棉性能来对棉纱质量进行预测。为解决传统模型预测精度不高的问题,使用神经网络算法来建立棉纱质量预测模型。选择长度、整齐度、比强度、马克隆值、伸长率、细度、杂质粒数、杂质面积、反射率、黄色深度、成熟度、纤维棉结、含杂、短绒率、回潮率、含糖量、异纤量共17个原棉性能指标作为模型的输入;单纱强力、条干CV、断裂强度3个棉纱质量指标作为模型的输出。建立了单一的BP神经网络模型,并分析了该模型的优缺点。为了改进BP神经网络算法的不足,使用遗传算法和粒子群算法来对BP神经网络进行优化,分别建立了GA-BP神经网络模型和PSO-BP神经网络模型。实验证明这两种优化算法能有效提高BP神经网络模型预测的精度与稳定性;提出了RBF神经网络模型和GRNN神经网络模型,实验证明,使用这两种模型来进行棉纱质量预测是有效的,其中GRNN神经网络模型具有相当程度的精确度。验证了使用灰色关联分析算法进行原棉性能指标筛选对提高模型精度的效果。为了方便普通纺织工人的使用,本文研发了基于神经网络的棉纱质量预测系统。完成了系统的需求分析与设计,并最终使用Python作为主要程序设计语言实现了系统的开发。结果表明,该系统具有界面简洁,操作方便等特点,能够有效实现对棉纱质量的预测。