焦炭生产过程是一个具有严重非线性、时变、多参数和不确定性等特性的复杂工业生产过程。焦炭是冶金、机械、化工行业的主要原料和燃料,它的质量直接关系到后续工业生产的稳定性,为实现对焦炭生产过程产品质量控制,进行焦炭质量建模是十分必要的。而对于焦炭生产过程,由于其复杂性加之工业噪声污染,对其进行质量建模存在很大的困难。本文对焦炭生产过程焦炭质量建模方法进行深入的研究,取得了一些具有实际意义的结果,其主要工作和内容如下：在对焦炭生产过程分析的基础上,提出了焦炭生产过程产品质量建模问题,对影响焦炭质量的主要因素和焦炭的质量指标进行了深入分析和探讨,确定了质量模型的输入、输出,并对焦炭生产过程数据进行了预处理。在对自适应遗传算法和BP神经网络算法分析的基础上,对基本的自适应遗传算法进行了改进,给出了基于自适应遗传算法优化BP神经网络的焦炭质量模型建模型方法。仿真结果表明本文提出的方法收敛速度快,预测精度和预测命中率高。在对粒子群优化算法和径向基神经网络分析的基础上,借鉴了遗传算法的交叉思想对粒子群优化算法进行了改进。结合粒子群优化算法和径向基网络算法这两者的优点,将粒子群优化RBF网络的算法引入到焦炭质量建模中,建立了基于PSO优化RBF的焦炭质量模型。仿真结果表明,其预测精度高,预测效果好。最后论文对焦炭质量模型的两种建模方法和质量预测效果进行了比较分析,在此基础上,提出了焦炭质量模型的输出优化问题,并对其进行了分析和探讨,为进一步进行焦炭质量优化控制提供了坚实的基础。