目前大部分企业仍然采用手工配色实现色纺纱的配色,严重地制约了企业的生产效率和发展。针对色纺行业配色难这一问题,本课题以麻灰纱为例,对纤维混合的模型进行系统的分析。麻灰纱的原料分别采用黑色粘胶纤维与白色粘胶纤维混合,黑色粘胶纤维与白色涤纶纤维混合,探讨纤维原料的不同对色纤维混合配色的影响。本课题一方面运用DATACOLOR MATCH系统模拟染料的测色配色方法对麻灰纱的配方进行预测,预测结果良好,另一方面,基于颜色混合模型中的库贝尔卡-芒克双常数理论求出麻灰纱中的色纤维的吸收系数K、散射系数S,进一步实现混合能纤维的配色,结果表明K-M双常数理论对色纤维的混合配色有一定的适用性,但也存在单色纤维的拟合反射率与真实反射率差异大的问题；另外,课题选用Origin软件非线性拟合的功能,对麻灰纱不同波长下的反射率∑R值和色纤维的质量比例关系进行分析,选择了Origin软件中的指数函数下的三种函数形式对其拟合,分别对比三种函数形式对单组份和双组份麻灰纱的有效性,发现拟合曲线的决定系数均达到0.95以上,并且最终选择了y=y0+A1e-x/t1+A2e-x/t2函数形式;另外,鉴于3层BP神经网络在隐节点数足够多的情况下具有模拟任意复杂的非线性映射的能力,论文首次将神经网络应用在色纺纱的反射率值与色纺纱的色纤维质量比例关系分析方面,发现BP神经网络的配色功能强大,其单／双组份麻灰纱配色误差控制在5%之内,但是该神经网络也表现出弊端,比如运算时间慢,甚至耗时几分钟。为此,我们在BP神经网络的基础之上,结合遗传算法进行改进,发现改进后的神经网络在运算速度上大大提高,在训练的精度上也有一定程度的提升。课题将上述五种方法进行配色对比,结果表明,无论是单组份麻灰纱还是双组份麻灰纱的配色,Ga-BP神经网络的配色结果最佳,配色误差整体偏小,其次是Origin非线性拟合的方法,但该方法在小比例色纺纱的配色误差较大,但配色误差的平均值仍然较小,接着是K-M双常数理论、BP神经网络、计算机系统配色,三者配色误差差别不大。本课题在理论的基础上,着重探讨理论在实际配色中中的应用,为色纺纱色纤维的混合模型以及色纺纱计算机配色的早日实现提供有效的理论依据。