聚氯乙烯(Polyvinyl Chloride, PVC)生产过程是一个传质、传热和复杂化学反应的工业过程。从控制角度来看,PVC生产过程具有非线性、强耦合、慢时变和大时滞等特性,属于典型的复杂工业被控对象。大量不确定信息、多样化数据使得传统控制方法难以对其进行有效控制,而智能控制为解决这类复杂被控对象的控制问题提供了有效途径。在查阅大量文献资料、广泛搜集PVC生产过程历史数据、专家经验、操作规程和对现场工艺进行充分调研的基础上,综合运用PVC生产工艺、计算机控制技术、软测量技术、现代控制理论及智能控制技术等多学科知识,研究了PVC生产过程的集成建模和智能控制方法,主要包括基于改进差别矩阵属性约简的聚合釜粗糙集(Rough Set,RS)-神经网络(Neual Network, NN)故障诊断算法、基于和声搜索优化多T-S模糊神经网络的聚合釜过程软测量建模及基于分段仿射的聚合釜温度的广义预测算法研究和基于神经网络的PVC汽提过程自适应解耦控制算法。论文的主要工作如下：(1)针对PVC生产过程大型关键设备聚合釜的实时故障诊断和优化监控要求,提出了一种基于改进差别矩阵属性约简的RS与BP神经网络相结合的聚合釜故障实时诊断策略。改进的差别矩阵算法应用到RS的属性约简当中,有效地降低了故障特征量的输入维数；然后根据约简后的决策表采用Levenberg-Marquardt BP神经网络进行训练,以实现征兆集到故障集之间的非线性映射。最后,结合聚合釜工业现场历史数据集进行了故障诊断的仿真实验,结果表明所提RS-NN故障诊断策略的有效性。(2)针对PVC聚合过程中氯乙烯单体(Vinyle Chloride Monomer, VCM)的转化率和转化速率难以实时获取、无法实现质量闭环控制的问题,提出一种基于模糊C均值聚类算法的多T-S模糊神经网络模型的VCM转化率和转化速率的软测量建模技术。首先采用主元分析来对软测量模型的辅助变量进行选择以降低模型维数,并提出和声搜索和最小二乘法相结合的混合优化算法来优化T-S模糊神经网络子模型的结构参数。仿真结果表明该模型能够实现转化率和转化速率的实时预测和监控,对提高PVC产品的质量和产能具有十分重要的意义。(3)针对PVC聚合过程的温度模型具有非线性和难以控制的特点,提出了基于分段仿射的PVC聚合釜温度广义预测控制算法。首先,根据热平衡机理推导出聚合釜温度的动态方程,以聚合釜的温度和转化率建立分段仿射模型,用椭圆集来描述各个状态空间的子系统；其次,以LMI为求解工具进行控制器的设计,并用LMI构造的李亚普诺夫函数进行系统的稳定性分析；最后,将此分段仿射模型应用于广义预测控制算法中,仿真验证了该算法的有效性及可行性。(4)针对汽提塔的非线性、强耦合和时变等特性,提出了基于神经网络的PVC汽提过程自适应解耦控制策略；首先,基于动态模糊神经网络建立了数据驱动的PVC汽提过程的被控对象模型；然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统；最后采用BP神经网络PID控制器对系统进行控制。仿真实验结果验证了所提集成控制策略的有效性。(5)将上述智能建模和优化控制方法在PVC生产过程中进行了工业应用,结果表明使用智能建模和优化控制方法不仅提高了PVC产品质量和产量,消除环境污染,而且对提高PVC整体经济效益具有推动作用,同时为复杂工业过程的智能控制提供了实用的方法。