随着人工智能的普及,传统配方设计方法已经无法满足目前的需要,而智能算法的出现则对传统烟火药的配方设计提供了新思路。本文以神经网络(BP)、遗传算法(GA)、甲壳虫算法(BAS)三种智能算法为基础构建了红外诱饵剂燃烧辐射性能参数预测模型,预测得到最优配方。对基于最优配方的红外诱饵剂填加不同红外辐射物质时的燃烧辐射性能参数进行测试。在进行三种神经网络预测性能分析发现,相较于广义神经网络(GRNN)以及局部神经网络(Elman),BP神经网络具有更高的精度以及更小的误差,并且泛化程度更好可以用于红外诱饵剂配方性能参数的预测;将BP神经网络与遗传算法和甲壳虫算法相结合的过程发现,三者具有较好的兼容性,不仅保证了较快的收敛速度,还可以达到预定的精度要求,而且还提高了运算速度;实现了BP-GA-BAS红外诱饵剂配方优化模型的构建,并得到最佳配方为:聚四氟乙烯(PTFE)与镁粉的为PTFE/Mg=0.51,硅粉含量为19.8%,镁粉粒度为285μm,PTFE粒度为4.6μm,虫胶含量为3.4%。并对12种红外添加剂的燃烧辐射性能进行试验,得出碳化硅对红外诱饵剂近、中两波段的红外辐射强度提升最为明显,在远红外波段的提升效果较弱。并通过改进红外诱饵剂中单质硅粉的形态,制备得到多孔硅,经计算得到制得的多孔硅孔隙率为81%,并对稳定化后的多孔硅红外诱饵剂进行燃烧辐射性能测试,发现填加多孔硅后的红外诱饵剂配方燃烧时间和点火时间均降低,同时燃烧温度增加,这说明对于较为钝感红外诱饵剂配方来说,多孔硅的引入可以提高其点火能力,使其燃烧更稳定,化学反应也更为充分。稳定化处理对于多孔硅的红外辐射性能几乎无影响。