间歇过程(Batch Processes)广泛应用于精细化工、生物制品、药品生产、农产品深加工等领域。近年来,为适应多品种、多规格和高质量的市场要求,间歇过程生产重新受到重视,国外还出现了较大规模的间歇生产。然而,由于间歇反应有着:(1)复杂性、时滞性和非线性;(2)难控性;(3)建模难;等一系列问题,所以间歇反应主产物的产率一直难以提高,造成企业竞争力下降,资料浪费等问题。本课题选择某公司有机厂的硫化促进剂间歇反应为对象,由邻硝基氯苯、多硫化钠和二硫化碳在聚合釜中经夹套蒸汽加入适度的热量后,发生复杂的化学反应生成促进剂M的钠盐及其副产物。物料特性差异大,反应属放热过程,反应过程中有主副反应的竞争,必须设法抑制副反应,然而主反应的活化能较高,又期望较高的反应温度。因此多种因素交织在一起,具有很高的研究意义。针对此间歇反应中出现的以上的问题,本文作了如下的工作:1.分析了在反应过程当中,主产物的浓度跟反应的温度进程和聚合釜内的压力有着紧密的关系,然而进一步分析发现,聚合釜内压力和反应温度又近似的成线性的关系;利用径向基函数(RBF)神经网络建立了主产物浓度和反应温度之间的关系模型,基于此模型的基础上,利用粒子群优化算法(PSO)对温度的进程曲线进行随机搜索求解,获得了能够得到最大主产物浓度的最优温度进程曲线。2.在获得最优温度进程曲线的基础上,再次利用RBF神经网络建立反应器冷却水控制升温阶段的反应模型,并在此模型的基础上,利用非线性预测控制实现了间歇反应器最优升温曲线的跟踪控制,结合VisualBasic与Matlab软件编制控制程序在多功能过程及控制实验装置(MPCE)实现算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果相比,无论是在鲁棒性上还是最终主产物的浓度上都得到了提高,优化效果明显。