复杂工业生产过程模型化与优化的研究是过程控制领域人们关注的热点之一，也是将控制理论应用到实际过程的一大难点。乙烯裂解炉是乙烯生产中的核心设备，其平稳、安全、高效运行对整个乙烯生产过程具有举足轻重的作用，因此对乙烯裂解炉装置实施先进控制、操作优化具有重要的理论和实际意义。为了实现对裂解炉先进控制、操作优化等任务，需要在线测量裂解炉的收率，在生产中往往通过配置工业色谱分析仪来获取裂解炉的在线收率值。但是，工业色谱仪常常存在相当大的测量滞后，并且设备投资大，维护保养复杂，运行成本高，故障发生率高。针对这一问题，本文采用了近年来涌现的新技术——软测量技术，并讨论了软测量模型的建模方法，提出采用基于神经网络的智能软测量方案。本文的选题以某大型石化公司60万吨乙烯控制系统的改扩建项目为背景，选取乙烯裂解炉的裂解产品收率为研究对象。由于工业乙烯裂解炉装置工艺过程相当复杂，本文从分析裂解过程的内在机理出发，研究了神经网络以及小波网络进行过程软测量建模及优化的方法，并结合实际碰到的工程应用问题，探讨了将其应用到实际工业生产中的具体方法。主要研究内容包括以下几个方面：1．总结回顾了乙烯生产过程的建模、控制及优化技术的研究状况，讨论了建立软测量模型的建模方法。2．具体研究了乙烯裂解炉的工艺流程，深入分析了裂解过程的内在机理以及影响裂解产物分布与收率的操作因素，从而确定建立模型所需的辅助变量。3．深入分析了神经网络的几种主要建模方式，着重研究了经典BP网络、RBF网络的结构以及近年来较为热门的Elman网络的结构。4．采用现场采集的数据，讨论了数据的预处理方法，重点比较了使用数字滤波和小波滤波来剔除输入数据随机误差的方法，并通过建模的效果来体现上述方法的有效性。5．运用MATLAB编制相应的算法程序，分别建立了基于BP、RBF和Elman神经网络的工业裂解双烯收率软测量预测模型，从而获得裂解深度预测值。6．对近几年比较流行的小波分析技术进行了研究，对小波分析与人工神经网络相结合的小波网络的算法进行了分析，并提出了一种小波神经网络模型算法，结果显示系统性能优于传统神经网络建模方法。7．针对实际项目中遇到开发裂解深度串级控制问题，初步探讨了将所建裂解收率预测模型与原有DCS控制系统结合的方法，从而实现裂解深度智能控制。