连续平压过程在决定中密度纤维板(Medium Density Fiberboard,简称MDF)性能的众多因素中起着关键性的作用。随着木材资源的目益减少,MDF需求量的不断增大,如何提高能源和资源的有效利用率尤为重要。针对MDF连续平压工艺过程,本论文基于支持向量机(Support Vector Machine,简称SVM)理论,以神经网络智能算法为基础研究工具,于搜集的生产数据对连续平压工艺的工作机理和流程定量分析,在一定条件下,建立了MDF连续平压工艺关系模型,给出可靠的理论分析和创新的智能算法支持,并在此基础上提出了针对特定的MDF性能指标需求设定连续平压工艺参数的方案。本文的主要研究成果如下：1.首先,对连续平压过程进行了工艺和参数分析,建立了连续平压过程中板坯属性、工艺参数与MDF成品板性能指标间的定量关系模型。随后,基于SVM理论,通过最小泛化误差上界,给出所建立的关系模型对应的最优化问题。2.针对建立连续平压工艺模型所提出的最优化问题,设计了一种全新的智能算法,并且对所设计的算法提供了严谨的数学理论分析及论证。首先,我们在已建立的优化问题中添加正则项,用以通过寻找到稀疏解来降低热压工艺控制中的复杂度,结合罚函数法和投影法处理优化问题中的约束条件,以使所设计的智能算法具有很好的优化性能和简洁的结构,随后,通过引入光滑化技巧,对基于不定核SVM建立MDF连续平压工艺模型所给出的优化问题,设计智能算法,并从数学理论角度严格论证了此算法的动态性能和优化性能。其次,引入新方法将原始SVM优化问题变形,并改进已给出的智能算法,使得新算法在求解基于正(半)定核SVM建立MDF连续平压工艺模型所对应的优化问题时,具有更强劲的动态性能和优化性能。最后,基于已搜集的数据集,通过数值仿真实验,对三类厚度的热压板,建立以某些热压工艺参数(如热压压力、热压温度、热压时间等)和一些板坯属性(如含水率等)为自变量,以MDF成品板的性能指标(如弹性模量、静曲强度、内结合强度等)为因变量的关系模型,且数值仿真结果显示所建立的MDF连续平压工艺模型可很好地拟合给定数据集。3.在已知MDF连续平压工艺关系模型工作的基础上,为达到按需求控制产品质量的目的,本文建立优化模型并设计智能算法,从定量角度给出板坯属性调整和工艺参数设定的最优方案,已达到降低生产成本、提高劳动效率的目的。首先,我们提出了连续平压过程中以工艺参数(如热压压力、热压温度、热压时间等)和板坯属性(如含水率等)为自变量,以MDF成品板的性能指标(如静曲强度、弹性模量、内结合强度等)为因变量的几类优化问题模型,并对模型中核函数的选取提供明确的选取方案,以使此模型不仅可实时求解且具有较强的应用价值。其次,针对我们建立的优化问题,设计有效的智能算法,并对算法的动态和优化性能进行严谨地理论论证。最后,对重点优化MDF成品板单一性能指标和综合性能指标的两类问题,基于本论文前面对三类热压板连续平压工艺所得到的关系模型,分别采用针对相应问题所设计的智能算法,求得关于热压工艺参数和板坯属性的最优设定方案。4.以提高本论文理论研究工作实际应用价值,本文结合MATLAB软件,基于已建立的理论研究结果,设计了一套用于MDF连续平压系统控制和预测的简易模拟软件。此软件不仅可依据导入的数据集,建立关于必要工艺参数所需MDF性能指标间的关系模型,而且可依据MDF成平板的性能指标需求,基于导入数据集建立起的关系模型,为生产人员提供热压工艺过程中主要工艺参数的设定方案,以提高MDF成品板的质量、降低能耗、提高原材料的利用率。