化学建材是我国国民经济发展中科技含量高的新兴产业,已成为第四大类新型建筑材料.其中,以PVC(聚氯乙烯)塑料异型材为原料的塑钢门窗性能优越,节能环保,变得愈来愈普及.PVC型材的生产过程是一个复杂的动态的化学反应过程,其产品依据国标所规定的试验方法与检验规则,与企业实际现状存在矛盾,用传统的建立精确数学模型的方法对其过程和产品性能进行预测和控制十分困难.人工神经网络作为一种智能化的预测和控制工具,被应用在PVC型材挤出生产技术及产品质量控制方面,极具研究意义.目前尚未见相关报道,因此这项研究在国内还是一项空白.本课题在分析PVC型材生产工艺及产品性能检测的基础上,提出了用人工神经网络预测PVC型材的力学性能的方法和思想,针对受现场加工工艺影响最大的部分型材的物理机械性能指标,建立了一种神经网络预测的模型.在对从企业生产现场采集的数据分类、分组并进行标准化处理的同时,运用主成分分析法的空间变换原理,对所建神经网络研究了变量降维以进一步提高网络预测的准确性的方法.运用MATLAB5.X软件编制了神经网络预测的相关程序,对所建立的神经网络进行训练和验证,并根据现场实际工艺参数对型材的某些性能进行仿真预测,取得了令人较为满意的结果.