棉纺织品质量的好坏在很大程度上取决于棉纱线品质的优劣。清除有害纱疵已经成为纺织后道工序中不可缺少的环节。电子清纱器作为切疵的主要手段,能够有效的控制纱线的各种疵点,提高纱线的品质,被各大纺织厂所青睐。然而,电子清纱器的核心鉴别电路是以模拟电路为主,受到器件老化的影响,容易造成乱切、漏切等不稳定现象,使得纱线品质受到严重影响,降低企业的经济效益。此外,在纱疵归类和清纱特性曲线设置上,模拟鉴别电路具有很大的局限性。随着计算机技术、信号处理技术和超大规模集成电路技术的发展,电子清纱器开始逐渐由模拟化往数字化方向发展,而清纱算法则是数字化电子清纱器的关键技术之-研究一种智能化的清纱算法,能够有效鉴别各类纱疵,克服模拟鉴别电路的缺陷,提升电子清纱器的稳定性,因此具有极大的社会经济价值。本文分析了模拟清纱鉴别电路的原理特性,在研究了电子清纱器信号采集、处理等相关技术的基础上,通过构建一种纱线疵点检测的光电传感器,对实际所测得的纱线信号进行了大量对比分析,提出了一种基于EMD(Empirical Mode Decomposition)的纱线消噪算法和基于神经网络的疵点识别算法,能够有效地消除纱线直径信号的干扰,更好地实现各种纱疵的归类,方便用户定制各种清纱特性曲线。论文的主要工作及研究成果可概括如下：(1)在分析研究电子清纱器的传感方式和信号处理方法的基础上,构建了一种基于光电传感方式的信号检测、采集、分析和处理的平台。通过该实验平台可以对现场的噪声环境进行模拟,从而提供可靠的纱线数据。(2)为了提供较高信噪比的纱线信号,便于对纱疵信号进行识别,采用基于经验模态分解方法(EMD)的消噪策略,并对EMD的实时性进行了分析优化,取得了较好的消噪效果。(3)利用神经网络的泛化能力,结合纱疵分级标准,将BP网络应用于纱线疵点的归类识别,对设计的网络进行训练、识别和优化,并与传统的时域识别方法进行了比较。