加热已成为工业制造过程中不可或缺的工序之一，而微波加热的方式更是凭借其选择性能量吸收、启动速度快、资源利用率高、加热时间短、清洁环保等优点脱颖而出。微波加热在工业领域不仅有着广泛的用途，如固化、烧结和干燥等等，更是在促进物化反应和改善媒质加工过程等方面发挥着举足轻重的作用。
　　对于工业隧道式多源微波加热系统而言，其设备相对封闭，内部反应环境恶劣，以致难以观察到媒质的加热状态。加热过程中可能出现的“热点”或“热失控”现象将使产品质量恶化，甚至带来安全隐患，将严重阻碍微波加热技术的实际工业应用。另外，微波加热过程复杂多变，具有非线性、强耦合和不确定性等特点以致难以建立其模型。不仅如此，在实际生产过程中，媒质频繁变化、生产流程复杂、设备连续运行，亦给微波加热过程模型的建立带来挑战。因此，运用仿真软件进行数值模拟以呈现媒质的加热状态并获得较优工况，并针对加热过程建立既能精确描述系统特性又能保持较低复杂度的数学模型至关重要，它将为后续选择合理的控制策略，保障系统安全、高效的运行奠定夯实基础。
　　本论文的主要研究内容如下：
　　①运用COMSOL Multiphysics多物理场仿真软件对微波加热过程进行数值模拟。针对求解时网格剖分质量不高的问题，采用用户自定义的方式根据不同模型结构实行不同尺寸标准的划分以得到收敛且可靠的模型。基于该仿真软件创建多微波源加热系统的应用程序（APP），方便探索不同因素对媒质电磁场或温度分布的影响，最终可视化地呈现媒质加热状态并确定较优工况条件以指导实验的进行。
　　②针对机理模型与数值模拟求解过程复杂度高的问题，研究基于神经网络的微波加热过程建模。结合在较优工况下获取的实验数据，分别采用BP神经网络、Elman神经网络、带外生输入的非线性自回归（NARX）神经网络建立微波加热过程的温度辨识模型。对这三个模型进行分析比较，验证了NARX神经网络模型的准确性。
　　③针对NARX神经网络中输入时延阶数、反馈时延阶数和隐含层神经元个数难以确定的问题，建立基于闪电搜索算法（LSA）优化的微波加热过程模型以实现NARX神经网络模型结构参数的自动寻优，并与基于粒子群算法优化的模型作对比，验证了NARX-LSA模型的有效性和准确性。