石化化工行业是国民经济支柱产业,智能制造是建设制造强国的主攻方向,发展智能制造对于巩固实体经济根基、建成现代产业体系、实现新型工业化具有重要作用。本文以某厂连续催化重整装置为背景,基于装置实时数据和设计数据,运用数据驱动建模和机理建模的方法进行过程建模和优化研究,分别从全装置和重点单元两个角度对操作参数进行优化。具体研究内容及结论如下:（1）重整装置产品质量监测模型建立及应用。基于连续催化重整装置45天现场实际运行数据,进行了数据的预处理、无量纲化和变量相关性分析,使采集的60个变量参数删减到14个参数。利用处理后的数据进行BP神经网络建模,分别探究了训练算法和网络结构对模型精度的影响,最终建立的装置产品质量预测模型,其回归系数R为0.9715、非芳烃和甲苯含量模拟结果与实际产品质量值的平均偏差分别为1.036%和3.312%,表明模型可以用于实际生产过程中产品质量预测与实时调优。基于建立的BP神经网络模型,采用带精英策略的遗传算法（NSGA-Ⅱ）进行针对易于调控、对产品质量影响程度较大的5个操作变量进行优化,相较重整装置正常操作点,最终优化工况的非芳烃含量降低24.38%、甲苯含量降低了82.58%,证明所建模型可用于加强苯产品的质量管控,有利于企业信息化进程的建设。（2）连续催化重整反应单元和分馏单元流程模型建立。利用基于机理过程开发的商用软件Aspen HYSYS,依据连续催化重整装置工艺的特点分别建立了重整反应单元和分馏单元流程模型,其中重整反应单元模型主要产品的模拟值与设计值吻合较好,最大相对误差为3.87%,证明了模型的可靠性,可以用于装置重点单元的操作参数优化研究。（3）重整装置反应单元过程参数优化。基于建立的重整装置反应单元流程模型,根据装置实际生产状况选取重整装置关键操作参数反应温度和氢油比,分析其对装置操作结果的影响,为实际生产的参数调节提供调整方向和理论依据;建立了MATLAB与HYSYS的数据接口,以芳烃收率最大化为目标,利用遗传算法对重整反应器的四个入口温度和氢油比优化。优化结果表明该种方法可以很快的寻找到较优的操作参数,可用于解决工业实际中可能出现的生产调度优化问题。本文提出的借助外部优化计算软件解决工业实际面临的复杂优化问题的方法具有创新性。