در این پژوهش، پس از مروری بر تاریخچه علم کنترل، رویکردهای قابل استفاده در طراحی سیستم کنترل بررسی شده است. در ادامه شبکه های عصبی به تفصیل شرح داده شده و در نهایت پس از آشنائی با اصول کاربردی علم کنترل، به موارد استفاده از آن ها در ماشین آلات، ریسندگی، بافندگی، رنگرزی و تکمیل و منسوجات بی بافت پرداخته شد و با مطالعه دقیق تر ماشین کارد الیاف کوتاه ادامه یافته است. در انتها روند مدل سازی ماشین کارد الیاف کوتاه تا دست یابی به معماری شبکه عصبی مطلوب مورد مطالعه قرار گرفت. از عوامل مهم و تأثیرگذار بر روی نایکنواختی های فتیله کاردینگ می توان به مواردی از قبیل سرعت تولید و نمره تغذیه اشاره کرد. این عوامل به عنوان ورودی های شبکه و کشش به-عنوان خروجی شبکه انتخاب شده است. هدف از آموزش، این است که مقدار کشش به گونه ای انتخاب شود تا cv% فتلیه تولیدی کمتر از 4% گردد. در این پژوهش از یک شبکه عصبی پیشخور با الگوریتم آموزشی پس انتشار خطا و تابع آموزشی levenberg-marquardt (lm) استفاده شده است. معماری منتخب این شبکه شامل دو لایه مخفی است، که تابع انتقال لایه مخفی اول logsig و 2 نرون و تابع انتقال لایه مخفی دوم logsig و 3 نرون و نیز از تابع انتقال purelin در لایه خروجی استفاده شده است، این معماری بهترین شرایط پایداری را برای ماشین کارد الیاف کوتاه فرآهم کرده است. نتایج شبیه سازی در صد خطای نسبی % 43/4 و ضریب همبستگی 975/0را گزارش می-کند.