大豆蛋白质改性纤维属再生植物蛋白质纤维，是采用化学、生物化学等方法从脱脂的大豆豆渣中提取球状蛋白质，再添加功能性助剂，经湿法纺丝而成的，该纤维具有羊绒般的柔软手感、蚕丝般的柔和光泽、羊毛般的保暖性、棉般的舒适性，有着广阔的发展前景。 大豆蛋白质改性纤维作为一种新型纺织纤维材料，有关其结构和性能的研究在国外尚无报道，国内的研究也处于初级阶段。本课题对大豆蛋白质改性纤维的结构进行了研究，包括纤维组成、氨基酸成分、结晶结构等；并对纤维的性能进行了系统的测试和分析。在充分了解大豆蛋白质改性纤维结构和性能的基础上，开发了系列健身服装。 目前国际上的技术趋势是朝着高技术、高质量、高效益、低成本的方向发展，尤以计算机信息化为特点。计算机技术的发展也推动了纺织行业的技术进步。本课题在大豆蛋白质改性纤维产品开发过程中应用计算机技术解决了生产中的两个问题。 一是对大豆蛋白质改性纤维和维纶纤维进行鉴别方法的研究。大豆蛋白质改性纤维与维纶纤维在化学性能和形态结构上非常相似，本课题基于大豆蛋白质改性纤维和维纶纤维的纵向光学显微镜照片，利用MATLAB工具箱中的支持向量机和判别分析两种方法进行纤维鉴别的研究。支持向量机是近年来在统计学习理论基础上发展起来的一种模式识别新方法，在解决小样本、非线性及高维模式识别问题中表现出特有的优势。研究结果显示，用支持向量机进行分类可获得100％的正确率，且速度快、操作简便。适于企业仿样设计以及质量监督部门质量监控时应用。 二是利用神经网络技术根据纤维性能和加工参数预测纱线拉伸性能。多年来，这一问题主要使用数学或经验模型解决，近十年来，神经网络被用于解决这一问题。利用神经网络建立纱线质量预测模型，可以利用网络将经验汇总起来。如果能提供足够的数据，便可以取代工厂利用工艺人员的经验设计生产工艺、制作小样来预测成品质量的方式，节省大量的人力、物力和时间。另外实际生产过程中某些性能指标与原料性能以及工艺参数的非线性关系非常复杂，通过神经网络则可以迅速、准确地完成这项任务。本课题选用三种预测方法进行比较：BP神经网络、径向基函数网络和传统的多元线性回归方法。结果表明，用径向基函数网络可以达到较高的预测精度，且网络稳定、结果唯一。如果能不断地积累并选择训练数据，网络的预测准确性将进一步提高。本课题在最优预测模型基础上，还进行了纺纱工艺的优化，主要解决在保证纱线具有一定强度的前提下，如何使纱线捻度最小。预测结果较为满意、用户界面友好。 用神经网络对纺织生产进行控制时得不到任何公式、经验数值等输出形式，所以有人将其比喻为“黑箱子”，即只能看到结果，无法得知其中的过程。但是这种方法的系统自适应性、容错能力在应用过程中可以解决许多传统方法无法解决的难题，必将拥有广阔的应用前景。