中密度纤维板(MDF)生产过程的重要工艺环节是热压过程,热压过程中参数的选取直接影响着中密度纤维板成品的性能和加工成本(能耗)。当前中密度纤维板新产品的研发都是以实验室的试验过程制定工艺参数,存在产品开发周期长的问题,加工过程由于能耗分配不够合理,存在浪费能源增加成本的问题,生产的成品性能参数不尽人意存在成品质量不稳定的问题。如何优化控制热压过程的能耗分配,提高产品质量和相关的工艺性能,缩短新产品的研发周期是目前研究开发的重要课题。论文通过分析BP神经网络的特点,将该算法应用到中密度纤维板热压参数优化选取和预测中,建立一个基于神经网络的热压过程的仿真模型,实现了中密度纤维板热压参数的数据挖掘,将训练好的神经网络模型融合到多目标优化问题中,使得中密度纤维板热压参数优化过程中能够直接应用多目标优化选取热压参数。实现降低生产能耗的目的,并建立一个热压参数管理系统,用来管理热压过程的参数与成品性能参数的匹配数据库以及用户管理数据库,实现对参数的有效控制和选取。针对中密度纤维板热压过程建立BP神经网络仿真模型,从已有的实验数据中获得BP神经网络模型的学习样本,分析训练函数的特点,设定热压模型的训练函数,并且通过训练达到预测的标准,可以预测在实际生产中没有使用过的工艺参数对MDF成型板材性能的影响；将BP神经网络模型作为多目标优化算法的适应度函数,使用多目标优化算法能够快捷且比较合理地制订出热压过程的温度、压力、时间等参数值,而且伴随着热压信息的反馈,系统能够通过自学习,不断完善数据库,提高自身决策能力,从而使决策结果更趋合理；参数管理系统运行于Windows平台,采用SQL Server作为数据库服务器,开发环境使用Microsoft Visual C++ 6.0(作下简称VC),采用MFC框架,并使用MATLAB作为仿真工具。通过建立中密度纤维板热压参数管理系统可快速查询此材料在特定的热压参数(特定的热压温度、热压时间、热压压力)下生产出来的中密度纤维板成品的性能,如弹性模量,吸水膨胀率,内结合强度等,还可以查询相应的用电量,给工作人员提供必要的咨询,工作人员根据此信息可以选择合适的加工参数,优化热压生产过程。有利于提高生产率,节约生产成本,也可使数据库的信息管理更加科学化。