随着数字化技术的飞速发展，计算机在纺织领域的应用已从一般性事物处理上升到生产过程的监控和产品的辅助设计，智能化加工与控制正在成为现代纺织技术的主要特征。论文针对国际纺织工程技术领域的关键共性需求，即生产过程智能挖掘与质量控制开展研究，并力图通过研究和探索解决：①面向纺织品加工智能挖掘体系架构与系统建模问题；②基于支持向量机的纺织品加工质量预测技术；③面向复杂加工过程的工艺知识表达与发现；④纺织品加工质量控制等问题，从而为高质量、低成本敏捷化纺织品加工提供新的技术和方法。论文通过人工智能技术、数据挖掘技术和自动化技术的集成，研究了用于纺织品理性加工的新理论、新技术与新方法，开发了相应的软件系统，并通过工程实践对其进行了验证和初步应用。论文工作主要包括以下内容：(1)提出了面向纺织工艺决策与质量控制的多Agent智能挖掘系统架构(Multiple-agent based Intelligent Mining Architecture for Textile Process Decision & Quality Control, MIMA)，包括数据预处理Agent、数据挖掘Agent、知识评价Agent、知识服务Agent、集中控制Agent、人机界面Agent等，针对纺织生产共性问题，可以实现广义推理及多样化服务，增强了数据挖掘算法的集成性，在提高系统的工具性和智能性以及自我学习能力的同时，降低了系统复杂度。MIMA中各Agent采用了“感知、决策、动作”的通用结构，便于系统实现。构造了数据挖掘平台——纺织生产数据仓库(Data Warehouse for Textile Production，简称DWTP)，其基本结构包括数据源、数据的提取与存储、生产加工数据集市(仓库)、应用工具等。DWTP基本数据模型为星型模型，并采用多种机制对原始数据进行清洗转换。DWTP的建立为纺织生产过程中智能挖掘提供高质量的数据集奠定了基础。(2)提出了一种新的纺织生产质量预测模型——基于支持向量机的纺织加工预测模型(Support Vector Machines toward TextileProduction, SVMT~2P)。模型发计采用了ν-SVM回归机以及径向基(RBF)核函数，其中关键的参数包括稀疏因子ν、径向基带宽σ、惩罚因子C。通过交叉验证法(k-fold cross-validation)对模型的性能进行评估。针对支持向量机模型参数难以确定的问题，应用遗传算法对模型参数进行了优化，研究了其中GA的编码方案以及遗传算子(选择、交叉、变异)的设计。以此为基础，分别建立了棉纺纱线强力预测模型、聚酯纤维空气变形纱质量预测模型、毛精纺纱线加工性能与质量预测模型。试验分析表明，支持向量机经过训练后可以用于建立纺织生产过程的质量预测模型；用于同人工神经网络模型比较，支持向量机模型更适合于数据维数高、有效数据样本少、具有各种扰动的真实生产过程，在纺织加工质量预测方面具有良好的泛化能力，平均预测精度提高了4～17％，从而验证了模型的有效性。(3)提出并研究了MIMA中纺织工艺知识的复合表达模式，如面向对象的案例表达、基于粗糙集的知识表达、支持向量或神经网络表达等。在研究神经网络建模过程的基础上，通过算例进一步分析了影响其泛化能力的主要因素。采用了新的基于粗糙集的纺织工艺知识获取方法，给出了工艺属性重要度计算的流程；采用了基于案例的工艺知识重用策略，研究了其中的关键技术例如案例的检索和匹配、案例的修正、案例的保存等。(4)提出并研究了纺织品加工质量智能控制模型(Intelligent Control Model toward Textile Quality, ICMT~2Q)。通过工艺决策Agent对工艺设计以及原料的选择进行优化，提高工艺设计的质量；对可能出现的异常波动通过工艺补偿Agent分析其原因，提出相应的解决方案，提高生产加工的质量稳定性。该模型对决定于产品质量的两个关键因素(设计质量、加工质量)形成双闭环并进行有效调控。通过相应的算例，研究了纺织工艺优化决策的主要流程。针对传统的SPC技术在质量实践中显露出的某些局限性，进一步提出了混合粗糙集隐式知识和专家经验显式知识的工艺补偿策略。通过自组织特征映射网络(SOM)建立离散化质量数据决策表，利用隐式知识对纺织生产过程中的质量进行智能诊断，增强了质量控制的针对性。(5)在以上理论研究基础上，以国家技术创新项目“纺织品敏捷加工智能工艺设计与质量预测”为背景，以毛纺织生产为对象，开发了基于互联网的智能工艺设计与虚拟加工应用软件(Web-basedIntelligent Process Planning & Virtual Manufacturing, WIPVM 1.0)。WIPVM 1.0系统分为三大子系统十一个主要功能模块，即智能工艺设计与知识管理子系统，纺织品加工过程信息采集子系统，纺织品虚拟加工与质量预测子系统，内容涵盖合约跟踪、工艺设计(条染、纺纱、织布、后整理)以及生产执行、产品检测与质量控制等企业生产的关键环节。论文的创新处在于：(1)提出了一种新的基于支持向量机的纺织生产质量预测模型——SVMT~2P模型，研究了其中的关键算法以及模型的设计。针对支持向量机模型参数难以确定的问题，应用遗传算法对模型参数进行了优化，提高了模型的泛化性能。在此基础之上，分别建立了棉纺、化纤以及毛精纺加工质量的支持向量机预测模型；(2)将智能挖掘技术引入纺织生产过程中，提出了基于多Agent的纺织生产智能挖掘系统架构——MIMA和纺织工艺知识的复合表达模式，并在纺织生产中得到应用；研究并采用了新的基于粗糙集的纺织工艺知识获取方法和基于案例的工艺知识重用策略，为纺织工艺知识的应用、获取奠定了基础；(3)提出了纺织生产过程质量智能控制模型——ICMT~2Q，该模型对决定于产品质量的两个关键因素(设计质量、加工质量)形成双闭环控制结构并分别进行有效调控，为纺织品生产过程中的工艺优化以及质量智能控制提供了新的途径。