航空航天事业的发展,对大型高强度铝合金构件质量提出了更高要求。通过模锻加工,总希望获得高精度的构件尺寸和良好的织构组织,以确保成形构件的机械性能和使用寿命。但是,在一万吨模锻水压机生产过程中,存在操作人员经验不同和水压波动等随机干扰因素,锻件内部织构有较大波动、质量不稳定,难以保证生产出大批量高品质的产品。针对上述问题,研究并实现了基于加压剩余时间预测的模锻过程质量控制系统。通过分析模锻工艺过程对锻件性能影响,确立了压力曲线与关键质量指标的关系,为压力曲线的分析提供了理论基础。为解决压力曲线的优选问题,研究了变界截尾的随机逼近算法,通过引入变力做功概念解决了算法的适用性问题。设计了一种切实可行的压力曲线优选算法,采用指数平滑的方法把合格压力曲线的趋势项分离出来,简化了压力曲线特征值的提取操作。深入分析了神经网络预测理论,结合模锻生产过程的特点和水压机计算机监控系统的结构,实现了基于BP神经网络预测模型的模锻过程质量控制系统。为解决BP算法存在的易陷于局部最小和收敛速度慢的缺点,采用Levenberg-Marquardt优化算法改进BP神经网络,建立了剩余加压时间预测模型,用以指导模锻操作或者实时修正给定的加压时间,通过准确控制加压时间来提高模锻件的内部质量。仿真实验表明,论文所设计的系统有效而实用,预测模型收敛速度快,精度能够满足模锻生产要求。在实际生产应用中,当水压升到最大值时,预测误差小于0.04s,转化为模锻件尺寸误差为0.12mm。