提高纱线质量历来是纺织行业的重点，对于纺织品后工序的加工和质量、提高出口创汇有着重要的意义。采用电子清纱器则是提高纱线质量最重要的措施之一。 1951年，国外成功的研制出第一台电子清纱器。半个世纪以来，电子清纱器经过三代的发展，在纱疵的清除效率方面有了很大提高。但是，在纱疵的鉴别问题上，各类电子清纱器识别纱疵所依据的数学模型都是固定的，与工艺人员用肉眼对纱疵判断的“智能识别”能力相比，存在着较大的差距，主要是识别效率不够高，另一个则是纱疵的清纱曲线无法作大的改动的问题。 为了能从根本上对电子清纱器鉴别纱疵的原理有一个技术的创新，我从鉴别纱疵的方法上对电子清纱器原理做了深入的分析，明确清纱器作为一种分类装置，是可能用神经网络的分类功能替代的。通过对神经网络的学习，以及算法的比较研究，得出采用BP网络是构成神经网络清纱器的优选方案。 在苏黎世大学人工智能实验室的神经网络仿真实验平台：“Virtuelles Labor für Neuronale Netze”上，设计了与纺织工艺关联的纱疵“训练模式”参数集，以及测试用的“工作模式”参数集。用神经网络对纱疵的非线性数据分类情况进行了实验与分析，对实验结论进行验算。得出了神经网络在基本原理上是完全能够实现纱疵非线性分类的结论，为新的一代电子清纱器雏形奠定了基础，同时也讨论了需要进一步解决的技术问题。