随着全球纺织工业竞争的日趋激烈,纺织工艺的优化和纺织品质量预报越来越重要。而纺纱工艺流程长,生产过程中涉及的参数多达数百个,且纱线的品种繁多,性能各异,工艺参数变化很大,工艺优化及质量预报都存在难点。本文分析了预测模型所需要的输入输出数据处理方法,利用人工神经网络解决复杂非线性问题的特点研究了其运用在纱线质量预测上的可行性,建立了基于径向基神经网络的纱线质量预测模型,实验结果表明该模型预测精度较高,达到了预期要求。在影响纱线质量因素中,原棉指标占有重要地位,同时原棉成本也占到纱线成本的70％,因此从人工配棉到计算机自动配棉,该工序一直是纺织企业关注的对象。计算机自动配棉问题是一类多约束条件的组合优化问题,本文详细讨论了配棉的约束条件,采用模糊数学聚类分析的方法设计了接批棉的配棉模型和计算机自动配棉的算法,并经过大量实验验证了该算法的有效性。对于新品种配棉,本文尝试采用遗传算法来解决组合优化问题,并在基本遗传算法的基础上,运用群体排序和局部寻优方法,提出一种新的混合遗传算法。通过实验表明,该算法在解决计算机自动配棉问题上是有效的,其收敛速度、解的精度及全局寻优能力等方面都比基本遗传算法有明显的优势。 本文也论述了基于B/S模式的纺纱工艺管理与纱线质量预报系统的设计方案。该系统除了可满足纺织企业日常质量管理的需求,还具备质量监督功能,并把自动配棉与相应的神经网络纱线质量预测有机地结合,为企业降低成本、保证成纱质量、提高管理水平提供了一个信息化平台。