炭黑是由许多烃类物质(固态、液态或气态)经不完全燃烧或裂解生成的。炭黑是橡胶制品(主要是轮胎)的重要补强剂和填充剂，橡胶工业没有炭黑工业辅助配合是不可能发展的。针对目前炭黑工业生产主要以经验为主的不利境况，本文尝试将模式识别用于炭黑生产过程优化，构建生产工艺参数与炭黑质量指标之间的模型，另外开发了炭黑工艺参数优化系统。 首先，本文采用模式识别中的聚类分析法、非线性映照法、主成分分析法、白化变换-线形映照法以及多重判别矢量法处理炭黑工艺数据，挖掘炭黑生产过程中的规律性。通过比较分析，相比之下发现多重判别矢量法中样本分类效果较好，两个判别矢量几乎包含了全部原始样本信息。根据得到的样本分类图，找到比较明显的局部优区，判定了优化方向；分析计算结果后得出炭黑生产过程中的关键影响参数，详细解析了各工艺参数在优化过程中的变化趋势；将模式识别优化结果与实际生产过程结合制定了模式识别优化方案。结果表明，将基于模式识别的信息挖掘技术引入炭黑工业，对于提高生产优质炭黑的能力，改进炭黑生产技术，具有一定现实指导意义。 其次，我们采用MLR、PCR、SR、PLSR等线性回归方法，构建炭黑工艺参数与质量指标之间的预测模型，校正集和预测集中模型计算值与实际生产值之间的相对误差超过5.30％，且模型计算值都在狭小范围内，不能准确反映实际生产情况。采用改良BP、ELM、RBF网络构建炭黑生产过程非线性映射模型，比较后得出RBF模型中平均预测误差、平均预测相对误差以及误差平方和相对较小，是校正和预测的最佳模型，以炭黑吸碘值和吸油值为目标变量，训练集中拟合相对误差在1.00％以内，预测集中RBF模型的平均预测相对误差分别为四川大学硕士学位论文174%、144%，达到实际生产要求。结果表明，炭黑生产过程存在比较强的非线性，不适宜采用线性回归方法建立模型，而具有良好逼近能力和学习速度的径向基神经网络适宜于炭黑生产过程建模，比较好地解决了炭黑生产过程中预测模型的构建问题。 另外，初步开发了炭黑工艺参数优化系统。我们采用MATLAB语言编写了各计算程序，整个管理系统以MicroS。ft SQL一SEVER 2000为后台数据库，MICr。S。 ftvi:。胡stodio·NET为开发平台，采用面向对象程序设计语言visualC#编码，做到Vi、。a1C#调用MA1’I一AB计算程序。我们进行了系统模块设计、数据库设计，开发出了登录、注册、数据录入界面、运算、帮助等功能模块，实现数据更新、数据预处理、优化及建模方法的调用及计算结果显示等炭黑数据处理过程。关键词:炭黑工艺模式识别优化建模优化系统