纱线质量的好坏直接影响纺织企业的经济效益，因此对于大部分纺织企业来说，建立一种实用、完善的纱线质量预测模型是很有必要的，可以帮助企业设计人员根据原棉的品质指标和工艺参数进行纱线的设计与修改，为纺织企业降低生产成本、提高纱线质量提供了一种有效的方法。本文在研究了影响纱线质量的各项性能指标的基础上，建立了标准BP算法预测模型和一种基于粒子群算法的BP算法纱线质量预测模型，分析了标准BP算法在构建纱线质量预测模型时的不足，设计了一种基于粒子群算法的BP神经网络的纱线质量预测模型，通过实验证明这种模型可以提高对纱线质量的预测精度，能够较好地解决纱线质量预测的问题。本文主要通过对标准BP算法和PSO-BP算法对纱线质量预测结果的分析比较，得出粒子群优化算法适合BP神经网络的模型参数的优化，从而提供一种新的应用于纱线质量预测的方法–粒子群优化BP神经网络的方法。本文的研究工作主要有：（1）本文介绍了粒子群优化算法的基本原理、数学描述以及算法流程，简单分析了粒子速度进化方程，研究利用粒子群算法对BP神经网络进行优化的过程。（2）将PSO和BP结合起来，算法在克服PSO和BP的缺点的同时发扬它们的优点。在分析神经网络的学习方式的基础上，应用MATLAB语言实现了粒子群优化神经网络的程序。混合算法降低了训练过程中陷入局部极小点的几率，实验结果也验证了算法有优于标准BP算法的收敛性能。