在水润滑轴承橡胶硫化的过程中，最佳决策参数的确定一直是关键问题。针对这个问题，本文在不改变硫化设备以及工艺流程的基础上，采用建模优化技术来确定硫化的最佳决策参量，保证水润滑轴承的性能指标。由于水润滑轴承橡胶硫化过程是一个具有强非线性的工艺系统，故在建模优化中主要存在以下问题：由于硫化过程具有动态特性，故用传统的静态建模方法（BPNN建模）只能建立静态的逼近模型，且模型不精确。在硫化过程中，必然会受到一些不确定干扰因素的影响，而传统的优化方法只能寻找到理想状态的最优解，但在实际操作中，受到干扰后必定会偏离设定值，影响轴承性能指标。针对以上的问题，本文采用具有自适应跟踪特性的无迹卡尔曼滤波算法（Unscented Kalman Filter, UKF）对神经网络进行训练，建立具有动态特性的精确模型。利用所建立的模型，采用稳健优化来确定最优决策参数。本文主要做了以下研究并取得一定成果：一、针对水润滑轴承橡胶硫化过程中，存在着强非线性以及动态特性，本文在前期通过橡胶硫化试验得到的样本数据基础上，利用无迹卡尔曼滤波算法训练神经网络过程中，结合强跟踪滤波（Strong Tracking Filter，STR）理论，引入时变渐消因子，对滤波增益矩阵进行在线调整，以进一步提高模型的跟踪预测能力。通过BPNN，UKFNN以及改进UKFNN对比结果表明，静态建模方法BPNN所建立的模型精度远不如动态建模方法UKFNN以及改进UKFNN，而改进后的UKFNN模型由于有更强的跟踪预测能力，故比传统UKFNN所建立模型有更好的精度。二、针对水润滑轴承橡胶硫化过程中受到不确定干扰因素的影响，导致轴承的性能指标漂移，本文基于所建立的改进UKFNN的精确动态模型进行稳健优化，采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II, NSGA-II)进行最优参数的确定。考虑到传统NSGA-II的交叉算子全局搜索能力较差，本文对交叉算子进行改进，使其能够保证种群的多样性。本文所提出的水润滑轴承橡胶硫化工艺系统动态演化模型以及稳健优化策略，为提升水润滑轴承的性能和生产效率奠定了关键科技基础。