纱线的结构特征比较复杂,纺纱过程是一个多元化的加工过程,成纱质量指标与纤维性能指标以及加工工艺参数之间存在着复杂的非线性关系,用传统的数理统计模型很难清晰地描述出来,有些国内纺织企业甚至利用以往经验来进行分析和评价。这对企业的发展造成了极大的阻碍。伴随着科技的发展,人工智能方法在纺织领域的应用逐渐兴起,人工智能不仅能弥补传统方法所带来的缺陷,还可以进行自适应调整来满足纺纱过程的需求,对纺纱企业生产理念带来新的变革。本文将结合前人的研究成果,将人工智能算法中几种经典的算法如人工神经网络、粒子群算法、思维进化算法、极限学习机算法应用于棉纱质量预测模型。全文共分为六个章节,各章的主要工作如下:第一章为绪论,本章主要介绍了纱线质量预报研究领域的背景和意义,以及研究现状。解释了纱线质量预报模型该以原棉纤维品质为研究出发点的原因,人工神经网络技术在纱线质量预报中的可行性,简单地说明本课题的主要研究内容。第二章为介绍了模型自变量和因变量的选择,对原棉成熟度、长度、细度、回潮率、强度、杂质做了概述,以及这些指标对哪些纱线质量指标有较大的影响。同时介绍了纱线强力,条干,棉杂总数三个纱线质量指标,并指出影响这些指标的主要原棉纤维因素有哪些。第三章为算法理论介绍部分,介绍人工神经网络的基本结构和特点,BP神经网络的结构以及数学描述,介绍了粒子群算法和思维进化算法的原理和数学描述以及两种算法的优点,并指出了两种算法优化BP的设计步骤。最后提出了极限学习机算法,对极限学习的原理进行了数学描述,并提出极限学习机算法的设计思路。第四章为实验结果分析部分,本课题为了研究原棉属性指标与成纱质量指标之间的关系,初步选定十个原棉属性指标——主体长度、成熟度、断裂强度、均匀度、短绒率、主上长度、公制支数、疵点总数、含杂率、回潮率作为输入因素;三个纱线质量指标——纱线强度、条干CV%、棉结杂质总数作为输出,利用各种算法进行建模,并对预测结果进行比较,得出哪种算法具有更好的预测确度和稳定性。第五章运用灰色关联系统结合MEA-BP与ELM算法,运用灰色关联度将十个输入因素缩减至六个输入因素,比较降维后建立的MEA-BP模型和ELM模型是否具有较高的精度。第六章为是本文的总结与展望。对本文的主要工作以及存在的一些问题做了总结,对需要进行更加深入研究的问题进行了展望。