在橡胶制品生产中硫化是一道非常重要的工艺过程,其中硫化工艺的最优化参数的确定是一个比较复杂的问题。随着橡胶制品产业进步与发展,对硫化工艺的精确性、可靠性、成本控制方面都提出了更高的要求。课题在分析国内外平板硫化机研究现状、发展趋势及硫化生产现状的基础上,针对传统硫化控制过程的局限性,提出了一种新的控制策略,并完成了相关的理论分析和证明,为实际的硫化生产工艺过程提供了理论依据和一条新的可行的途径。课题在教育部科学技术研究重点项目“塑胶制品多功能数字成型技术及系统研究”(批准号104155)的资助下完成。本文对橡胶硫化的基础知识和理论以及试验用的630 QD ?SY型平板硫化机的控制系统作了简要介绍,并针对其在理论和经验公式基础上给出的硫化工艺参数只具有原则上的指导意义而非最佳硫化工艺参数这个问题,以及硫化工艺控制过程中的精确性和实时性问题,建立了一种基于人工智能的新型的硫化工艺智能控制模型,在模型中将硫化过程中出现的所有噪声统一为一种噪声——“泛”噪声,系统控制过程中对该噪声进行自适应学习。该控制模型由两部分组成:神经网络对输入参数进行预分类,动态系统对控制过程中的参数进行自适应学习。同时,为了满足硫化工艺控制过程的智能化、协同化要求,在AI 系统中增加了符号计算功能,使得AI 系统能够在已有经验样本的基础上,在无人监控的环境下能够自动处理硫化过程中可能出现的异常现象。文章对该模型给出了详细的理论证明,并在一定数量样本和部分系统参数检测的基础上给出了模型的动态仿真结果。在仿真过程中,本文结合了神经网络、人工智能、信号系统等专业知识和可计算理论、计算复杂性等基础知识,进行了硫化工艺智能控制模型的搭建。由于模型中涉及到的计算的精确度很难控制,特别是在自适应行为的计算涉及到超越方程组,为此,在计算上对神经网络和动态系统采用了不同软件策略,神经网络在Delphi6.5 环境下实现,动态系统用Matlab计算,相互通过Matlab 作服务器调用。