在长流程生产过程中,由于多重大时滞特性的存在,使得系统输出量不能及时反映系统输入设定值和控制信号的变化。即使调节器和调节机构没有时间延迟,也需要经过生产过程具有的多重纯滞后时间以后,才引起被调量变化,使之受到控制。由于调节作用不及时,导致系统输出超调量大、调节时间长、系统过渡过程品质变坏、运行稳定性降低,直接影响到控制系统品质和产品质量,造成能源与资源浪费。所以,多重时滞辨识方法研究是长流程生产过程多重大时滞控制系统的重要研究方向。遗传算法(GA)是一种基于生物进化理论的优化方法,具有并行性、且对寻优函数的连续性和可微性没有严格的要求。论文将其应用于长流程生产过程多重时滞参数辨识,利用GA个体编码和目标函数设计的特点,将多重时滞辨识问题转化为最优化搜索问题,基于生产过程输入输出数据,在时滞参数可行解空间对未知时滞参数进行高效并行搜索,获得时滞参数的最优估计。并通过MATLAB仿真,研究了GA操作参数对时滞辨识精度和时间复杂度的影响。在深入了解氧化铝生产连续碳酸化分解过程反应机理和工艺特点的基础上,建立了连续碳分过程各槽CO2气体通入量与各槽分解率之间的动态数学模型。针对连续碳分过程多重大时滞特性,将提出的基于GA的多重大时滞辨识方法应用于动态模型未知时滞参数辨识,并通过现场采集的输入输出数据,验证了辨识结果的正确性。