纱线生产是一个多工序流程,纱线本身的物理结构比较复杂,在纺纱过程中,纤维品质、纺纱工艺参数与纱线质量指标之间存在看复杂的非线性关系,找到一种贴切的方法,来表征这些关系,具有重要的理论意义.中国已加入WTO,在纺织品加工体系引入快速反应机制的前提下,通过纱线虚拟加工,完成对原料品质的反演和纱线质量的预测,这样就可避免盲目生产导致的时间延误和原料浪费,有助于实现企业对市场的快速反应.目前存在很多纺纱质量预报的建模方法,该文通过建立人工神经网络模型,模拟从毛条到细纱的毛精纺加工过程,提出纱线虚拟加工的思想.在研究的过程中,简化加工过程,着重关注毛精纺流程的两端,即主要实现两个过程:纺纱质量预报与毛条品质反演.试验选择合适的网络模型,通过对大量离散样本所进行的多次训练便可自动找出蕴涵在两者之间的本质联系.而传统方法在建模时,常常因种种假设和简化,使结果与实际产生较大的误差.该课题采用多元线性回归与神经网络的方法分别对细纱条干不匀率、断裂强力与纺纱断头率所进行的预报,证明了神经网络方法优于多元线性回归方法.该课题所有神经网络模型均采用Matlab编程语言来实现,该软件的运算功能强大,作为后台运算工具,完成核心算法的设计;采用SQLAnywhere数据库作九该系统的支撑数据库,实现样本数据的导入、存储与维护;采用PowerBuilder完成框架的定制与界面开发,改善了软件的交互性,从而彻底实现纱线虚拟加工系统的软件化,使其更加实用.