碳纤维增强聚合物基复合材料(CFRP)属先进复合材料(ACM)。拉挤工艺是复合材料的重要成型工艺之一,具有可生产任意长度的异型截面制品,工艺过程连续,生产率和原料利用率高等特点。其制品具有纵向比强度比模量数倍于钢的优异性能,在石油、航天、建筑、化工等领域得到了广泛应用。目前工业拉挤成型工艺参数(模具加热温度、拉挤速度等)是根据经验或“试凑性试验”确定的,周期长,耗时费力且科学性不足,产品质量可靠性、生产率和能耗都不尽理想。因此,本文对CFRP拉挤成型工艺过程进行数值模拟、优化和试验研究。在拉挤成型过程中,复合材料相对于模具始终呈运动状态,这是有别于其它成型工艺的独具特点。根据热传导和聚合物反应动力学原理建立了带内热源的二维非稳态热传导与树脂固化动力学模型。其中温度与固化度是一对强耦合关系,求解困难。通过差示扫描量热(DSC)试验,回归分析计算出环氧树脂基体的固化动力学参数。应用有限元与有限差分法相结合,在空间上有限单元化,在时间域上有限差分,并用ANSYS求解耦合场的间接解耦法编制程序,模拟得到不同工况复合材料内部温度与固化度实时动态状况,为拉挤工艺优化奠定了基础。为了验证数值模拟程序的可靠性,分别对拉挤过程中复合材料内动态温度和固化度进行了试验检测。专门设计制备一种金属毛细管封装的光纤布拉格光栅传感器,并对其温度传感特性表征和灵敏度系数进行了试验标定,有效屏蔽了拉挤过程中牵引荷载效应和树脂固化收缩应变的干扰,实现对CFRP拉挤工艺全程温度的动态实时检测。试验结果与模拟结果基本一致。在固化度方面,采用索氏萃取法对刚出模具的拉挤制品进行固化度检测,测试结果与数值模拟结果基本吻合,验证了数值模拟程序的可靠性。应用所编制的并经实验验证的数值模拟程序,模拟出大量样本数据训练人工神经网络,得到了不同工况拉挤工艺参数(模具加热温度、拉挤速度)与产品质量(复合材料固化度)间可供计算的映射关系。不仅大大减少了耗时费力的试验,且为工艺参数的优化创造了有利条件。应用国际新近出现的第二代非支配排序遗传算法结合神经网络,解决了拉挤成型工艺以模具加热温度和拉挤速度为目标函数的多目标优化问题。不仅为工业生产拉挤工艺优化提供了科学便捷的途径和方法,也对其它复杂关系的生产工艺多目标优化具有理论指导意义。