乳化炸药作为一种新型的工业炸药,对社会经济建设和进步起到了非常重要的推动作用。在乳化炸药产量与日俱增的同时,不合格产品的数量也在不断增加。乳化炸药质量不合格不仅使企业的核心竞争力降低,更重要的是它关系到人们的生命和财产的安全。爆速和猛度是乳化炸药最为关键的两个性能指标,关系到炸药的爆轰性能。然而这两个性能指标现阶段还不能在线测量。当前对爆速和猛度的检测主要是通过抽样检测的方法。由于采样周期过长,这种离线分析法不能保证炸药质量。另一种方法是通过控制生产过程中关键参数,对这些参数设置阈值,在参数超过阈值时报警。事实表明,即使所有参数都在阈值以内,生产出的乳化炸药仍有可能是不合格产品。所以当前乳化炸药生产过程中对质量的控制存在盲目性和不确定性,乳化炸药产品质量的控制需要朝着在线监控的方向发展。软测量技术的发展使得乳化炸药产品质量在线监控成为可能。本文将软测量方法应用于乳化炸药质量监控中,提出基于遗传算法优化BP神经网络的乳化炸药质量监控系统。这种方法是通过建立多变量的软测量模型来预测乳化炸药的爆速和猛度值,从而可以实时在线监控产品质量。本文主要进行了以下几点研究:(1)首先研究了乳化炸药生产工艺流程,分析乳化炸药主要性能指标以及影响产品质量的因素,针对乳化炸药的两个关键性能指标爆速和猛度无法在线测量的问题,采用软测量的方法,即通过生产中可测的同时对乳化炸药质量有密切影响的参数建立软测量模型,用于对乳化炸药爆速和猛度的在线测量。(2)介绍了当前软测量建模的四种方法,结合乳化炸药的实际生产情况,选用BP神经网络建立乳化炸药质量监控系统软测量模型。针对BP神经网络极易陷入局部极小值的缺点采用遗传算法优化,提高模型对爆速和猛度测量的准确性。(3)阐述了建立乳化炸药质量监控系统的软测量模型的流程,并通过实例分析了软测量模型的有效性。(4)完成乳化炸药质量监控系统的硬件构建和软件的初步设计。