铝电磁铸轧系统是一个涉及多领域的非线性复杂系统,其生产过程稳态优化的核心问题是生产过程模型的建立和过程控制参数的确定。晶粒度是评价铝带坯质量的重要指标,目前还没有任何仪表可以进行晶粒度的在线检测。为了实现生产过程的优化控制,引入了软测量技术实现晶粒度的在线检测。本文采用径向基(RBF)神经网络建立了关于晶粒度的软测量模型,并采用蚁群算法(ACO)进行模型参数的优化研究。RBF神经网络以其简单的网络结构、快速的训练过程和良好的推广能力等诸多优点在许多应用领域取得了成功。论文在分析了铝电磁铸轧工艺的基础上,选取了与晶粒度有关的易测变量作为辅助变量。对采集到的样本数据进行预处理和主元分析后,作为软测量模型的输入,建立了基于RBF神经网络的铝带坯晶粒度软测量模型。针对RBF神经网络隐层中心的不确定性所造成的模型结构不稳定和泛化能力差等问题,在基本蚁群算法的基础上,采用蚁群聚类算法对RBF神经网络的隐层中心进行优化,确定网络的中心与宽度。研究结果表明：采用RBF神经网络建立的软测量模型具有良好的逼近和拟合能力；引入蚁群聚类算法对RBF神经网络进行参数优化后,模型的收敛速度、稳定性和泛化能力都有明显提高。