石油化工工业是国家经济发展的支柱性产业,连续搅拌反应釜作为化工生产中实现化学反应的主要设备,其自动控制方法的研究具有非常重要的意义。在实际的化工生产过程中,反应釜的温度决定了产品的产量、质量,有时甚至影响到生产过程中的安全性。因此如何对反应釜内化学反应温度进行精确、有效的控制,显得至关重要。然而,由于温度对象具有非线性、时变不确定、大滞后、受环境温度影响大等特点,目前反应釜内的全过程温度自动控制仍是个较难解决的问题。预测控制具有对模型精度要求不高,建模方便；采用非最小化描述的模型,系统鲁棒性、稳定性较好；采用滚动优化策略,而非全局一次优化,能及时弥补由于模型失配、畸变、干扰等因素引起的不确定性；动态性能较好等优点。因此将预测控制应用于连续搅拌反应釜温度控制中,具有十分重要的理论意义与实际应用价值。本文首先在查阅大量连续搅拌反应釜温度控制相关文献的基础上,简述了反应釜中生产过程的相关概念；深入分析了反应釜工艺流程及重要参数的监测与控制情况；完成了控制系统下位机程序设计并实现了上位的机监控功能；同时建立了上位机监控软件WinCC与MATLAB之间的通讯,使得复杂控制算法的实现成为了可能。另外,针对反应釜温度控制对象的复杂性,本文在分析了反应釜内温度特性的基础上,研究了神经网络广义预测控制在连续搅拌反应釜温度控制中的应用。提出了基于LevenbergMarquar-QuasiNewton的改进优化算法,使原有的梯度下降优化算法收敛速度慢的缺点得以改进,并克服了改进的LM (LevenbergMarquar)优化算法由于算法近似所带来的大残量、算法收敛速度慢、稳定性差等问题。而后对反应釜温度模型进行了仿真研究,得到了令人满意的控制效果。