转杯纺纱属自由端纺纱方法,是目前各种新型纺纱技术中已经工业化推广的一种纺纱新技术。在转杯纺纱过程中,纤维性能、纺纱元件、工艺参数等都对成纱质量有重要影响,且与成纱质量存在非线性关系。神经网络可以预测成纱质量,但是在用神经网络预测成纱质量时,如果将各种影响因素都包含进输入参数中,会造成输入参数过多。实践证明并非所有这些因素对成纱质量都有显著影响。同时,在生产实际中,样本数往往有限,即存在参数多而样本少的问题。因此,对输入参数进行优选,用较少的样本建立神经网络模型来预测成纱质量成为现实的研究需求。目前存在多种输入参数优选方法。根据经验选择输入参数,受主观因素影响较大,无法体现出各输入参数对于输出参数影响的重要性程度;传统的数理统计方法选择输入参数,由于不同的数学方法侧重不同,使得优选结果难免失于偏颇。本课题采用了六种神经网络输入参数优选方法。(1)主成分分析优选法,用计算相似系数的方法来分析输入对输出影响大小的变化;(2)基于输入对输出影响的优选方法,考察输入对输出的影响程度;(3)基于专家知识的优选方法,考察输入输出相关关系与专家知识的吻合程度;(4)模糊聚类,通过数据集的模糊划分和聚类来评判输入参数变化对输出参数的影响;(5)模糊推理,基于人对大小的主观认识,用模糊评语界定输入参数大小变化对输出参数大小变化的影响程度;(6)灰色关联分析法,根据诸因素行为观测序列的几何接近程度,分析和确定它们之间的影响程度或对目标要素的贡献程度。本文从纺纱原料、纺纱元件和纺纱工艺三方面确定对成纱质量影响较大的17个输入参数,通过转杯纺纱试验和成纱质量测试,获得神经网络输入输出参数数据;然后应用六种优选方法处理数据,得到六种排序结果,然后用模糊推理法将六种排序结果融合,从而得到一个比较公正的对输出参数影响程度由大到小的输入参数排序。确定输入参数排序后,对8种纱线指标分别建立神经网络模型,先用模型验证了优选结果的有效性,然后用排序在前1-7位的参数作为神经网络的输入参数预测了转杯纺成纱质量。研究结果显示,神经网络的预测结果实测结果相当接近,表明采用神经网络预测转杯纱质量是可行的、有效的。