传统的白酒企业生产管理中对成品酒的勾调采用感官分析与经验范围内进行组合的方法，但是靠人来品评容易受到主观和客观环境因素的影响，波动性较大，每批产品不可避免地存在差异，这种状况导致产品质量不稳定，生产效率低，并且无法使产品成本最优化。而且企业内行业专家的宝贵经验也无法形成知识长期为企业生产服务。 近年来，神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强特点，在各工程领域得到了广泛的应用，但在运用计算机进行白酒勾调的问题上，还未见其相关应用。白酒行业的勾调工艺技术其实质就是组合优化问题，自20世纪90年代以来，精密分析仪器和电子技术的运用，使得利用计算机求解白酒勾调过程中的组合优化问题成为可能，然而酒中还有许多复杂并且影响口感的微量成分到目前尚未能被精密分析仪器所解析，因而经典的线形规划、目标规划优化算法还不能满足口感量化的要求。因此，如何建立知识专家系统，并且构建神经网络机器学习模型，将实际问题的优化解与神经网络的稳定状态相对应，把对实际问题的优化过程映射为神经网络系统的演化过程，从而使计算机勾调研究工作更进一步，正是本课题的目的所在。 就上述分析和提出的问题，本文做了5项主要工作： 1、利用色谱分析技术，通过化学工作站采集白酒内在数据，通过分析手段来建立数学模型，绘制产品质量特征曲线，找出酒的微观形态特征。 2、引入线性规划、目标规划基础理论原理，并根据白酒勾调的实际工艺技术，建立原酒组合优化配比的数学模型。 3、利用产生式推理模型建立白酒品评知识专家系统，同时引入神经网络反向传播算法(BP算法)构建神经网络案例学习模型，通过机器学习产生口感量化系统。 4、各项系统模型集成，引入计算机多线程并行计算方法。 5、构建白酒勾调计算机管理网络系统。