随着汽车市场的飞速发展，轮胎产品种类不断丰富，人们对轮胎的耐磨、耐油、表面美观及不同的物理机械性能的要求也不断提升，从而促使胎面复合挤出技术得到了迅速发展。然而，当今轮胎行业中流行的三复合胎面挤出联动线既具备许多工艺优点，又因其系统较复杂，也存在诸多技术难点，比如多台挤出机同时工作，相互关联，易使挤出温度和压力经常出现失调的现象。经分析得知，三复合胎面挤出温度是挤出过程中各种因素的一个综合指标，测量优化胶料的挤出温度对提高生产能力和半成品的挤出质量均有重大意义。但是，目前轮胎企业在生产中对挤出温度的测量大多仍采用人工测量和激光测温仪进行测量，因测量者主观因素影响，人工测量方法易产生测量结果不准确、速度慢、反馈滞后等不良现象，耗财耗力。而仪器测量易受现场环境和挤出联动线的干扰影响，在线测量的精度也不能满足生产需求，而软测量是解决上述问题的较好途径。基于软测量方法辅助变量的选择原则，本课题首先对胎面三复合挤出生产线的基本结构和工作原理，以及挤出工艺特点进行了深入分析，并在此基础上初步探讨了影响胎面挤出温度的因素，为辅助变量的选择提供了合理的依据。在此基础上，选取了三台挤出机的螺杆转速、机头压力、各区段温度，以及复合机头模具温度和口型板厚度等24个工艺参数作为辅助变量，并采用主元分析方法对变量作了进一步筛选。经过对这些数据的分析发现，变量间存在严重的多重相关性，考虑到主元分析具备对多变量数据表进行较佳的综合简化的能力，其高效的变量降维功能在工业领域得到了广泛应用，故首先采用主成分回归方法建立了三复合胎面挤出温度预测模型。结果发现，虽然主成分回归较好地克服了变量间的多重相关性问题，但是部分回归系数的符号仍然与挤出工艺的传统经验不相符，使得对这些回归系数的解释变得困难。分析得知，产生该问题的缘由主要是主成分分析时未曾充分考虑到成分与主导变量的相关性而导致的。然而，偏最小二乘方法在提取成分时既考虑到了成分应最大程度地概括原变量信息，同时还考虑到了使成分与主导变量的关联性达到最大，它融合了主成分分析、典型相关分析和多元线性回归等多种方法的特点，具备更加优越的软测量建模功能。所以，本课题进一步采用偏最小二乘回归方法建立了挤出温度预测模型，并对模型进行了辅助分析和预测结果验证，取得了较好的预测效果，但是因采样过程中各变量的采样点不一致，使采样存在滞后性，易将粗大误差带入样本空间而影响模型的预测精度。针对该问题，本研究采用了均值滤波与3σ准则相结合的方法对样本数据进行了矫正处理，较好地克服了采样滞后性所带来的不利影响，使模型的预测精度得到了明显改善，基本能满足生产实际需要。此外，考虑到当前主流的统计分析软件SAS/SPSS中关于偏最小二乘回归的算法均已模块化，特别是SPSS官方还将相关模块投入商用，用户需出巨资向其购买方可使用。所以，为了提高轮胎领域软测量研究的经济实用性，本课题深入研究了部分最小二乘法的算法原理，在MATLAB的编译环境下自主开发了PLS算法程序，将所建立的模型与SAS软件的计算结果进行对比，发现二者的计算结果基本一致。为今后进一步开发橡胶生产领域的智能软件并对其实现高效封装打下了基础。最后，本文还对挤出温度软测量预测模型的应用与挤出联动线智能控制的问题进行了初步的探讨。综上，本课题的研究对象较以往复杂，且研究方法具备一定的创新，本课题的研究既能给橡胶挤出工艺参数的优化奠定理论基础，相关研究成果及应用有助于提高胎面三复合挤出线的控制水平，提高胎面挤出的质量和效率，具有积极的工程实用价值。