麻纤维的化学成分包括纤维素、半纤维素、果胶、木质素、水溶物、脂蜡质等，各成分含量随着麻纤维的品种、生长周期、产地、批次、在麻株的位置的不同而不同，纤维的化学成分含量决定了其力学性能，同时对麻纤维增强复合材料的界面性能起着重要的影响。　　为研究麻纤维化学成分对其力学性能及其增强复合材料界面性能的影响，本课题选取麻纤维的化学成分纤维素、半纤维素、果胶、木质素、水溶物、脂蜡质和麻纤维的回潮率作为影响因素，以麻纤维的断裂强度、杨氏模量、麻纤维/不饱和聚酯树腊(UP)界面性能作为影响结果，构建BP神经网络的训练样本。为减少不利干扰，从而降低误差，提高预测的精度，本课题首先利用灰关联分析法对影响麻纤维断裂强度、杨氏模量、麻纤维/UP界面性能的因素进行关联度计算，并按照影响程度的大小进行排序，然后利用BP神经网络较强的自适应模式识别能力和非线性拟合能力，建立了3层神经网络模型进行迭代训练以及预测，预测了麻纤维化学成分含量对其断裂强度、杨氏模量、麻纤维/UP界面性能的影响。其中麻纤维的化学成分测试采用称重法，断裂强度和杨氏模量的测试采用单纤维拉伸实验法，麻纤维/UP界面性能测试采用微复合材料单纤维抽拔实验。　　预测结果表明学习结束后模型的输出比较接近实测值，说明BP神经网络具有很强的学习能力，同时也证明了将BP神经网络用于麻纤维力学性能及其增强复合材料界面剪切力预测的可行性;灰关联与BP神经网络联用后预测精度得到大大提高，预测误差最大可减小78.27％，麻纤维强度的预测误差达到7％以内，杨氏模量和麻纤维/UP界面性能的预测误差在10％左右。