臭氧是一种拥有极强氧化性和杀菌性的化学气体,因其高效、绿色的优良特性被广泛应用在工业污水处理、自来水消毒、食品加工、医疗卫生等领域。目前,在工业上需求高浓度、高产量臭氧的主要制取方法是介质阻挡放电法(Dielectric Barrier Discharge,DBD),而DBD型臭氧发生器仍然存在稳定性差、耗能高的问题,且国内的臭氧发生器普遍使用开环控制的方式,臭氧的生产效率相对较低。随着臭氧在环保应用中的需求量越来越大,深入研究臭氧发生过程的输入输出关系是提高臭氧生产效率和系统精确控制的核心内容。本文以DBD板式臭氧发生器作为研究对象,搭建一套型号为500g/h臭氧发生器实验平台,涵盖电源、板式臭氧发生器、氧气源、冷却系统和中控系统五个部分,其中对原始的系统电源做了进一步改进,设计出了频率更高的电源,频率达20k Hz。设计中控系统实现对平台的控制与数据显示,提出完善的数据采集和管理方案。实验平台的传感器数据经485总线并以Modbus协议传输至中控系统,再以4G无线透传的方式将数据传输至云数据中心,实现实验平台的远程互联与实时监控。通过大量的实验数据分析脉冲放电特性,系统研究了温度、氧气流量、压力、电源电压和电源脉冲频率等典型因素对臭氧浓度的影响。实验结果表明,当温度超过33℃时,温度的升高对臭氧生成的抑制作用愈加明显;流量在一定范围内增加有助于臭氧浓度的提高,而流量过多会导致臭氧被稀释表现浓度降低;压力的变化同样与氧气流量相关,增加压力伴随着流量增多同时臭氧浓度下降,但臭氧的产量随着压力的增大而增多;对于电源电压,当放电室的放电程度达到饱和,继续增加电压不会使得臭氧浓度提高;当电源频率均处于系统谐振点上时,电源脉冲频率越高可以提升放电室的放电密度,促进臭氧的生成。本文就介质阻挡放电法生产臭氧过程复杂、易受多因素影响的问题为出发点,利用实验数据结合人工神经网络的方法对臭氧发生系统建立模型,以典型的影响因子作为模型的输入神经元,臭氧浓度作为模型的输出神经元,采用遗传算法(GA)优化BP神经网络的方式(GA-BP)能够快速建立较准确的系统模型,基于实际系统运行特点提出模型在线更新方案对离线模型进行完善和优化,有效保证模型能够满足实际系统的变化规律。实验平台的条件与模型的精准预测为进一步的研究提供硬件基础与理论依据。