聚氯乙烯工业在国民经济中有着重要的地位,聚合之后生成的聚氯乙烯中夹杂的氯乙烯单体是影响聚氯乙烯质量的重要因素之一,且氯乙烯是有毒物质,因此对聚合后的聚氯乙烯浆料进行汽提是十分必要的。提高聚氯乙烯汽提过程的控制精度对提高聚氯乙烯产品质量,节约能源,降低生产成本,减少环境污染都有重要意义。聚氯乙烯汽提过程是一个非线性、耦合、大滞后的多变量系统,采用传统的控制方法会导致产品质量不稳定、控制精度不高和产能低等问题,因此本文对汽提过程的控制进行了深入研究。本文在对汽提过程消化研究的基础上,首先分析了聚氯乙烯汽提工艺特点及其控制要求,基于动态模糊神经网络具有通用逼近和学习能力,需要较少的先验知识,能够在线学习等特点,结合现有的锦化集团汽提过程实际运行数据,采用动态模糊神经网络建模方法建立了汽提塔系统的模型,并仿真验证了该模型的有效性。其次,通过详细分析汽提过程的模型特征,可知汽提过程是有耦合的非线性系统。基于神经网络解耦不需要被控对象精确的数学模型的特点,设计了汽提过程的神经网络解耦器。神经网络解耦器使得汽提过程由一个双输入双输出的耦合系统转化为两个相互独立的单变量系统,仿真验证了神经解耦器具有较好的解耦效果。再次,针对汽提过程解耦后的单变量系统,本文设计了神经网络PID控制器,该控制器在传统的PID控制的基础上增加一个神经网络控制环节,通过神经网络来调节PID控制器的参数。最后将神经网络PID控制器与神经网络解耦器相结合,实现聚氯乙烯汽提过程的神经网络解耦控制。仿真结果表明本文给出的神经网络解耦控制方案具有较好的解耦性与鲁棒性。从仿真结果分析,本文给出的神经网络解耦控制器不仅结构简单,易于工程实现,且具有较强的解耦性和鲁棒性。为有效提高聚氯乙烯汽提过程的温度控制精度提供了种新思路、新途径。