作为粉状炸药生产工艺的一个重要环节,配料的好坏直接关系到炸药质量的高低,对整个系统的安全性具有极大的影响。而目前粉状炸药生产的自动化程度不高,劳动强度大,生产过程中影响因素存在耦合性,配料过程中参数检测严重滞后,配比难以调整,易导致整个生产流程的控制陷入被动。为此,研究炸药质量预测模型,实现配比的实时调整,对实现粉状炸药生产过程的全自动化、稳定炸药质量乃至提高企业竞争力都具有重要意义。通过对粉状炸药生产工艺研究,分析了对炸药配方的影响因素,针对配料系统是一个典型的非线性、大滞后、大惯性的系统,难以建立准确的数学模型的特点,建立了基于遗传算法优化的BP(BackPropagation)神经网络炸药质量预测模型。通过预测炸药的质量来控制炸药的配比,采用“预测—比较—推理—再预测—再比较—再推理”的模式,直到输出的炸药指标符合要求,从而实现对炸药配料过程的实时控制。开发了基于GA和BP神经网络算法预测控制的炸药配料优化系统,论文描述了系统的结构、功能和系统软件设计,着重介绍了硬件组成及数据通讯。控制系统采用DCS(Distributed Control System)结构,上位机基于king view组态软件,实现了监控画面、配比优化、历史报表等功能。现场运行结果表明预测模型满足配比优化计算的精度要求,实现了配比的实时控制,提高了炸药的质量,稳定了生产,增强了安全性。