1、紗線的結(jié)構(gòu)特征比較復雜，紡紗過程是一個多元化的加工過程，成紗質(zhì)量指標與纖維性能指標以及加工工藝參數(shù)之間存在著復雜的非線性關系，用傳統(tǒng)的數(shù)理統(tǒng)計模型很難清晰地描述出來，有些國內(nèi)紡織企業(yè)甚至利用以往經(jīng)驗來進行分析和評價。這對企業(yè)的發(fā)展造成了極大的阻礙。伴隨著科技的發(fā)展，人工智能方法在紡織領域的應用逐漸興起，人工智能不僅能彌補傳統(tǒng)方法所帶來的缺陷，還可以進行自適應調(diào)整來滿足紡紗過程的需求，對紡紗企業(yè)生產(chǎn)理念帶來新的變革。
　　本文將結(jié)合

2、前人的研究成果，將人工智能算法中幾種經(jīng)典的算法如人工神經(jīng)網(wǎng)絡、粒子群算法、思維進化算法、極限學習機算法應用于棉紗質(zhì)量預測模型。
　　全文共分為六個章節(jié)，各章的主要工作如下：
　　第一章為緒論，本章主要介紹了紗線質(zhì)量預報研究領域的背景和意義，以及研究現(xiàn)狀。解釋了紗線質(zhì)量預報模型該以原棉纖維品質(zhì)為研究出發(fā)點的原因，人工神經(jīng)網(wǎng)絡技術在紗線質(zhì)量預報中的可行性，簡單地說明本課題的主要研究內(nèi)容。
　　第二章為介紹了模型自變量和因變

3、量的選擇，對原棉成熟度、長度、細度、回潮率、強度、雜質(zhì)做了概述，以及這些指標對哪些紗線質(zhì)量指標有較大的影響。同時介紹了紗線強力，條干，棉雜總數(shù)三個紗線質(zhì)量指標，并指出影響這些指標的主要原棉纖維因素有哪些。
　　第三章為算法理論介紹部分，介紹人工神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)和特點，BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)以及數(shù)學描述，介紹了粒子群算法和思維進化算法的原理和數(shù)學描述以及兩種算法的優(yōu)點，并指出了兩種算法優(yōu)化BP的設計步驟。最后提出了極限學習機算法，對極

4、限學習的原理進行了數(shù)學描述，并提出極限學習機算法的設計思路。
　　第四章為實驗結(jié)果分析部分，本課題為了研究原棉屬性指標與成紗質(zhì)量指標之間的關系，初步選定十個原棉屬性指標——主體長度、成熟度、斷裂強度、均勻度、短絨率、主上長度、公制支數(shù)、疵點總數(shù)、含雜率、回潮率作為輸入因素；三個紗線質(zhì)量指標——紗線強度、條干 CV％、棉結(jié)雜質(zhì)總數(shù)作為輸出，利用各種算法進行建模，并對預測結(jié)果進行比較，得出哪種算法具有更好的預測確度和穩(wěn)定性。