电流体喷印技术凭借高分辨率、高材料利用率、低成本、支持大面积柔性制造等优点在柔性显示器件等领域具有广阔的应用前景。在电流体喷印技术的实际应用中,调控液滴尺寸及一致性对高精度打印至关重要。现阶段调控方案依赖于对电喷印参数影响规律的研究,由于打印过程具有多场域耦合的复杂性,通过传统方法对其打印规律建模面临着巨大挑战。因此,本文以神经网络模型为基础对打印主要工艺参数与生成液滴尺寸及一致性的影响规律进行定量化建模,并通过一系列措施优化模型的整体表现,最终以预测模型为基础提出了一种工艺参数优化方案。本文主要研究工作如下:（1）研究电喷印规律并通过神经网络对其进行建模。通过理论分析与实验验证,系统地研究了打印工艺参数（打印高度、打印电压、辅助气压）对锥射流模型打印时生成液滴直径及一致性的影响规律。基于实验数据,以反向传播神经网络为模型对打印工艺参数与生成液滴直径及一致性的对应关系进行定量化建模,得到电喷印预测模型。（2）针对模型存在的局部最优缺陷,提出了基于智能算法的神经网络预测模型精度优化方案。通过分析电喷印预测模型自身特性发现基于梯度下降的神经网络模型会出现局部最优缺陷,无法得到全局最优解,制约了模型的精度提升。以具有较强全局搜索能力的智能算法为辅助,对神经网络初始化参数进行优化,提升了模型的整体预测精度。（3）针对模型在增量打印数据建模时存在的泛化能力不足问题,提出了一种基于长短期神经网络的增量学习神经网络模型。分析电喷印预测模型训练数据的来源,判断其数据获取具有增量特性,通过设立网络模型池来完成数据特征迁移以提高模型的增量适应性,同时以长短期神经网络模型的门控思想为指导对其整体框架进行压缩和优化,提升了模型在处理增量数据时的表现。（4）通过实验验证了本文所述电喷印预测模型的有效性,同时,以此为基础提出了电喷印工艺参数优化方案并通过实验对其进行验证。设定一系列不同参数组合的打印任务并在电喷印设备上进行实际打印,通过电喷印预测模型预测其打印结果,对比打印结果与预测结果对其预测精度进行评价。以预测模型为基础,结合最优化算法完成对特定需求下的工艺参数组合选择,以算法所得的工艺参数组合进行实验,对比实验结果与原先设定的工艺需求,验证了工艺参数优化方案在实际应用时的有效性。