钕铁硼材料是世界上发展最快、应用最广的新一代永磁材料。氢粉碎工艺是制备高性能钕铁硼磁体的必备手段之一。目前我国氢粉碎工艺大多没有对钕铁硼合金的粉碎程度进行控制,是按固定点温度曲线和压力曲线控制,不是在线控制。氢粉碎过程中氢粉碎程度不能在线检测,只能凭经验判断合金是否完全粉碎,因此生产周期比较长。随着钕铁硼合金产量的日益增加和永磁材料需要量的逐渐增大,这套系统已经很难适应当前的需要。氢粉碎工艺计算机控制事在必行。钕铁硼氢粉碎工艺中,恰当的控制吸氢与脱氢速率对产品的质量和生产周期至关重要。本文分析了NdFeB氢粉碎处理中影响吸氢与脱氢速率的因素,对工艺过程控制的技术难点——被粉碎合金中的氢含量无法在线检测的问题进行了较深入的研究。针对钕铁硼氢粉碎的原理和工艺过程,提出了基于RBF神经网络技术实现被粉碎合金中氢含量的检测和钕铁硼氢粉碎过程中合金粉碎程度的预报,根据预报值调整运行参数,使合金完全粉碎,从而缩短生产周期,提高产品质量。论文的主要内容包括:1.分析钕铁硼合金氢粉碎工艺过程,根据建模的需要选择合适的辅助变量;2.建立了基于RBF神经网络的氢含量预测模型;3.利用Matlab软件对模型的拟合情况和预测精度进行仿真;4.利用Matlab软件对RBF神经网络和BP神经网络的预测精度进行仿真和比较。5.完成了基于西门子可编程控制器的氢粉碎工艺优化控制系统的设计,包括软、硬件系统调试。本课题对钕铁硼氢粉碎工艺计算机控制方面开辟了新的方向。