碳纤维缠绕树脂基复合材料(CFWRP)具有比强度、比模量高、耐腐蚀等优异特性,因而在航空航天、海运、建筑、医学等领域有着广泛的应用。缠绕制品能否获得理想的设计强度,不仅与材料本身的性能以及纤维树脂的比例有关,而且与树脂的固化过程有着重要的关系。以往固化制度的确定是采用试凑法、建模优化或在线监控的方法,然而它们不是对变化的环境适应性差就是成本太高且不易操作。本文提出了一种采用人工神经网络建模并用遗传算法进行优化的智能方法,结果表明此方法既能适应变化的环境又降低了试验成本。本文以碳纤维和环氧树脂湿法缠绕成型的NOL环作为研究对象。固化温度由DSC实验获得,升温速率控制在0.5℃/min~1℃/min,固化时间采用三因素三水平的正交表进行安排,在1kg的缠绕张力和含胶量为23%的工艺条件下,湿法缠绕并固化NOL环。固化成型后测定NOL环的拉伸强度和固化度,并对实验结果进行正交分析。同时将实验结果分为两组:训练样本和测试样本。接着我们利用Matlab 6.5中的Ann工具箱分别建立了拉伸强度、固化度与固化时间之间的两个BP神经网络模型,用训练样本和测试样本分别对模型进行训练和测试。在此模型的基础上,我们通过浮点编码的遗传算法对一个双目标函数进行优化得到了一个最佳的固化制度,它与正交分析值相比,在提高了拉伸强度的同时缩短了固化时间1h。最后通过拉伸强度的立体等值线图分析了各段保温时间对强度变化的影响,结果与正交分析得到的变化趋势是基本吻合的。