陶瓷广泛应用于现代生活,陶瓷墙地砖作为一种陶瓷制品与人们的生活息息相关。但是,经塑性挤压成型生产工艺生产的陶瓷墙地砖存在着容易出现裂纹的问题,严重地影响了陶瓷坯体的致密度、机械强度、表面光洁度及产量等,并阻碍了陶瓷泥料塑性挤出成型生产技术及生产设备的大力推广应用。这一问题产生的主要原因是由于坯泥在真空练泥机挤制过程产生了内部应力分布的不均匀。为了解决这一问题,首先要测量出坯泥内应力分布情况,然后才能有针对性的对泥料进行补偿性的炼制。本课题针对陶瓷坯泥内应力无法直接测量的问题,采用软测量技术实现内应力的在线预估。从流变学理论及泥料在真空练泥机中的运动特性出发,分析了陶瓷墙地砖挤压成型生产中造成泥料内应力分布不均的原因及各种影响因素,选取真空练泥机机头内壁压力作为间接测量陶瓷坯泥内应力的辅助变量。由于神经网络可以逼近任意非线性函数,而且具有自学习能力和自适应性,本课题采用神经网络来建立软测量模型。利用实验室测量数据组成训练样本,分别采用了BP(误差反向传播)网络和RBF(径向基函数)网络两种神经网络建立软测量模型。在Matlab中进行了仿真训练,并比较了两种神经网络模型的仿真效果及泛化能力。仿真结果显示,基于神经网络建立的软测量模型具有一定的可靠性。为了解决陶瓷产品无法实现在线预测的问题。将陶瓷生产过程看作是一个灰色系统,提出了一种新的陶瓷裂纹诊断的方法。对测得的真空练泥机机头内壁压力数据进行小波包分解,提取其特征向量,然后通过灰色关联度分析法,可以在泥料炼制过程中及时对陶瓷泥料产生裂纹的可能性进行预测。实验研究显示这种基于小波包和灰色系统理论的陶瓷裂纹诊断方法具有一定的有效性,同时还有不需要大量样本、计算简单的特点。为实现以上功能,本课题以美国NI公司的LabVIEW为平台搭建整个软测量系统,实现了真空练泥机机头内壁压力数据以及陶瓷坯泥内应力的实时采集与显示。从而在线指导工作人员对炼泥过程的监测,减少资源浪费,提高产品质量。