电石作为一种重要的化工基础原料,广泛地应用于有机合成、氧炔焊接、金属切割等领域。目前,工业上主要采用电炉还原法生产电石。在电石生产设备设计及生产工艺设计过程中,电石的冷却过程是首先要确定的主要影响因素之一。由于电石的出炉温度高达2000℃,只能待其冷却一段时间后,对其表面若干点处的温度进行测量,无法对其整个冷却过程中电石内部的温度分布及变化进行全面的研究。因此,本文利用仿真方法对电石冷却过程中内部温度分布及变化进行研究。当前国内在材料热物性参数方面的研究和数据相对较少,特别是对电石热力学仿真一个重要的参数一电石随温度变化的导热系数更是空白。求解材料的热物性参数是一种反问题,从数学的角度来讲,反问题是一种病态问题,由于其对误差极其敏感,传统的算法不仅计算量巨大,而且很难收敛得到精确解。智能算法中的神经网络具有良好的非线性映射能力,而遗传算法是一种求解全局优化问题的有力工具,两者的有机结合,可以很好地解决这一问题。本文探讨利用ANSYS与智能算法通过参数反演来得到电石的导热系数随温度变化的曲线,希望为电石生产的相关设备研发和工艺设计提供基础数据,并为材料的热物性参数反演研究提供一种新的研究思路。主要的研究工作如下：(1)建立电石二维传热模型。根据实际生产条件,建立电石的二维传热模型,给定初始条件和约束条件,输入一组导热系数即可得到整个冷却过程的仿真分析结果,也就是电石内部温度分布随时间的变化过程,从而为神经网络模型提供样本,并在得到导热系数值后对其准确性进行验证。(2)利用智能算法建立电石导热系数的参数反演模型。主要包括两部分内容,是神经网络建模,确定网络类型和拓扑结构,利用MATLAB编程实现；根据现场测量的样本数据训练神经网络,作为传热正问题的求解器；二是遗传算法建模,从5个方面对遗传算法建模中的问题进行讨论,并在MATLAB中编程实现。(3)参数反演计算及新电石锅冷却过程仿真分析。利用参数反演模型计算得到电石随温度变化导热系数曲线,对新电石锅中电石的冷却过程进行仿真,得到了电石的温度分布情况和温度变化曲线,为后继的电石生产线设计和工艺设计提供数据。仿真结果表明,在出炉后的两个小时里电石已冷却为固体,可以进行翻锅作业。