第二次世界大战以后,石油化工业增长的幅度很大。石油化工的迅猛发展有效的促进了PVC的增长,虽然也受到了经济危机和石油涨价的影响,总的发展还是巨大的。近年来,聚氯乙烯生产的发展,除了有利的客观因素的促进外,各种先进控制技术的开发和应用起着巨大的作用。PVC的生产是在聚合釜中进行的,聚合釜的温度是影响反应过程因素中最为重要的参数,其温度的控制精度直接关系到产品质量的好坏。反应过程前需要对聚合釜升温以达到其反应的要求,而聚合过程是强放热反应,温度具有时变、大滞后、非线性的特点,采用常规的控制方法难以满足生产过程控制的要求,因此我们特此提出了采用先进控制方法的研究,力争取得更好的控制效果。本文依靠青岛某化工厂的聚氯乙烯生产线背景,通过分析PVC聚合反应过程中温度变化的特点以及控制的特点,提出采用基于神经网络的预测控制方法。神经网络具有良好的学习性能和鲁棒性,并且具有很强的建模能力,能以任意精度逼近非线性系统,且对非线性和时变性具有很强的适应能力。预测控制对数学模型要求不高,具有良好的跟踪性能和较强的抗干扰能力,能直接处理具有纯滞后的过程,且对模型误差具有较强的鲁棒性等,所以被广泛应用。将神经网络控制与预测控制相结合运用于非线性系统,可以同时采用两者在控制上的优势,将两者结合起来,对PVC聚合釜温度实现高性能的控制。因此,我们提出了基于神经网络的预测控制方法。实验证明,基于神经网络的预测控制具有良好的自适应性、鲁棒性和抗扰性,能够实现高性能的控制。为了能够更好的显示PVC聚合反应生产过程及控制特点,本论文采用了MATLAB仿真软件进行仿真验证,并进一步在DCS上进行了组态研究实施。DCS具有可靠性、适应性、友好性、协调性等特点,可以实现其复杂的控制算法,为进一步在工业实际中应用更加先进的控制方案提供了方法。