近年,我国铝合金板带材生产装备水平发展迅速,已达世界先进水平,航空、汽车、船舶等领域材料的制备取得了显著进步。然而与国外相比,高端铝合金板带的生产控制水平仍存在较大差距,高端产品的质量及性能稳定性就是其中之一。本文以铝合金薄板带热处理生产为研究对象,借助人工智能技术对热处理过程性能及工艺的智能控制方法进行研究,建立基于深度学习的铝合金性能预报模型,并以此为基础研究热处理工艺参数的智能优化方法。论文主要工作具体如下:（1）在深入了解铝合金薄板带生产过程的基础上,研究铝合金薄板带热处理性能及其影响因素,从物理冶金知识和数据分析两方面对影响气垫式连续热处理成品性能的工艺参数进行分析,为后续研究提供数据基础;研究分析深度学习神经网络种类及建模方法,为热处理性能预报模型建立提供理论基础。（2）针对铝合金热处理生产过程中的生产数据具有多变量、非线性等特点,以及传统预报技术模型精度难以达到理想程度的缺点,引入深度前馈神经网络模型对热处理性能预报进行研究,建立面向抗拉强度、屈服强度和断后延伸率的数据处理方法及性能预报模型,分析隐藏层数量、隐藏层节点数、优化函数、激活函数、正则化方法对模型精度的影响,确定最优的性能预测模型结构及内部参数。（3）针对铝合金薄板带热处理工艺过程优化目标的多维性,引入遗传算法建立面向性能、生产效率、能耗最优的工艺参数优化策略,提出性能最优、能耗与生产效率综合最优的两步评价方法,分析模型参数对计算速度以及精度的影响,并在Matlab平台上融合热处理性能预报模型,构建基于遗传算法的工艺参数智能优化求解方法,确定最优的热处理工艺参数优化模型算法及参数,从而得到符合目标要求的热处理工艺参数。