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Visual Basic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。