食品工业与人类的发展和生存息息相关,粮食是关系到我国国民经济发展、社会稳定和国家自立的全局性重大战略问题,而小麦是最主要的粮食作物之一。随着科学技术的发展,小麦加工产业发展也进入了一个大型化、规模化时期。同时,自动化技术、信息技术以及人工智能理论的发展,也逐渐满足小麦加工发展的新需求,使其逐渐向数字化、信息化、智能化的技术方向发展。我国小麦加工工业经过几十年的发展,科技水平得到了较大的发展,但是本身基础薄弱,相关技术与国外先进的国家相比,仍然存在较大的差距。因此,考虑到小麦加工在生产技术上仍然有很大的提升空间,运用信息技术、人工智能领域的相关知识,开发小麦加工数据采集系统,获取实时生产数据,并在此基础上,通过人工智能领域的相关知识进行分析,优化生产过程,逐步提高生产的产品质量,同时降低生产成本,提高市场的竞争力。本论文的具体研究如下:(1)研究数据采集系统以及其组成,基于小麦加工过程,开发一套小麦加工生产数据采集系统,并对整个数据采集系统进行了分析,包括数据采集系统的硬件设计以及软件设计。然后以生产车间能耗数据采集为例,阐述了整个数据采集系统的工作流程。为下面对车间数据进行分析奠定基础。(2)针对小麦加工过程中的能效优化问题,提出了一种基于广义回归神经网络和混沌粒子群算法的能效优化方法。该方法以在生产车间所采集的数据为基础,利用数据建立了一种基于广义回归神经网络的预测模型,并将模型与混沌粒子群算法相结合,进行参数寻优,寻找最优参数组合,使得在面粉产量一定的前提下能耗达到最低,同时也具体分析了改进混沌粒子群算法的有效性。最后通过仿真,分析验证了预测模型的有效性,同时将预测模型与改进混沌粒子群算法相结合,能够找到最优参数组合,有效的进行小麦加工过程中的能效优化。(3)针对小麦加工HACCP关键控制点的选择问题,利用人工智能理论,提出了一种基于支持向量机的模型来实现关键控制点的智能发现方法。同时为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出了一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,并且该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。此外,算法基于进化因子为速度定义了速度惯性参数。最后仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,大大的推广了HACCP的应用。