随着科学技术和经济社会飞速进步,电气化铁路逐渐成为铁路网实现现代化交通的最终之路。高速运行列车会通过弓网从牵引供电系统中获取源源不断的电能,保证列车高速正常运行。一旦高速运行的列车不能获得电力供给,会发生不可估计的重大交通事故。组成铁路网的主要产品接触线是电气化铁路弓网中不可或缺的传输媒介,并且极端环境条件中,会遭受巨大的冲击振动,温度迅速改变等考验,如果接触线在列车运行中发生断裂等不良现象,就会造成列车无法获取电流。针对接触线在生产过程中性能的不稳定性问题,以生产高质量的接触线产品为目的,综合考虑冷拉过程中不稳定因素的影响,运用智能算法及控制技术,开展了对接触线冷拉设备冷拉工艺过程研究与分析。论文主要研究的内容包括:（1）影响接触线产品稳定拉拔的因素的研究及冷拉生产过程中接触线的建模。建立了拉力与速度之间的数学模型,同时根据流过冷拉模具的材料秒流量相等的原理,建立了速度与冷拉模具线径之间的数学模型,确定了稳定拉拔的关键因素。（2）基于改进BP算法对拉拔速度稳定控制的研究,实现实时控制参数在线调整。在运行过程中,对于标准BP神经网络所具有的算法收敛速度缓慢,很容易落入局部极小区域的不足之处,综合考虑误差增量以及相对误差对其影响,搭建了新型自适应的学习率函数公式。为了增加网络逃脱所处误差曲面的局部极小区域的可能,搭建了自适应的动量因子函数公式。（3）接触线冷拉工艺过程工作参数最佳匹配研究。将BP神经网络应用于接触线冷拉工艺过程中工作参数的最佳匹配中,实现主要工作参数的智能匹配。利用DDE通讯以及MPI协议实现数据间相互通讯,完成神经网络实现冷拉参数相互匹配。（4）接触线拉拔机控制系统及实时监测系统研究。根据拉拔机冷拉工作流程,采用S7-300系列PLC和组态软件STEP 7对控制程序进行设计,并验证了其正确性。通过上位机显示实现了拉拔过程控制在MCGS上在线监测。通过以上研究,将研究结果运用到接触线冷拉设备中,对其出现的速度不匹配以及环境等因素造成的波动,能够实现速度快速恢复至稳态,保证生产顺利进行。对于冷拉过程中的参数进行智能匹配,用于指导生产,具有现实意义。