随着我国汽车工业的快速发展,市场对轮胎的产品质量提出了更高的要求。胎面是轮胎生产过程中的重要半成品之一,其质量直接关系到轮胎成品的整体性能。论文针对河南风神轮胎集团的大型项目一胎面挤出联动生产线,利用生产线所采集的相关数据,对其关键段进行了基于最小二乘支持向量回归机(LSSVM)的建模研究。可以作为后续的控制设计,预测工作的基础。本文主要对所采集的相关测量参数数据分析,并建立合适模型。从而反映挤出机机头输入量:电流、转速、挤压压力等,与传送滚轴段即时重量、胎面宽度之间的关系。而胎面挤出生产线关键段一些部分运行机理和过程特性复杂,同时又是非线性、时延、时变的工业系统,想建立数学模型有一定的困难。所以本文采用的是由统计学习理论发展而来的最小二乘支持向量机的方法来对本文研究的关键段系统过程建立模型。因为本文所采集的原始数据是包含19个属性关系的整体数据,需要对其中暂时不需要的属性值进行剔除,并对于像原料配方这样的特性属性采取单独建模的方式处理。从工作量的角度考虑,本文主要是针对其中一种原料配方的数据进行建模研究。以上处理之后的数据集含有许多非正常状态下的测量数据。比如:错误数据、病态数据、滞后数据等。本文主要采取人工去除的方法处理。然后采用上下限限幅以及工业中常用的七点滑行法来减少数据中的机会误差和随机误差。为了精简输入属性数目,本文提出使用PCA(Principal Components Analysis)的方法进行数据降维处理。从而将原本6个输入属性降为4个能够表达数据总体信息的输入变量。最后采用最小二乘支持向量机进行建模,从而反映4维输入与即时重量和胎面宽度各自的关系。本文的最后一章介绍了基于Matlab7.1环境下的最小二乘支持向量机工具箱概况以及里面有关向量机回归的函数,同时详细的介绍了如何使用本工具箱中的支持向量回归函数来进行本论文的建模工作,并附上了主程序段。本章最后对照模型仿真出来的关系图进行了仿真结果分析,并讨论了其可行性。