离心式压缩机是石油化工以及天然气储存和输送等工业部门中的心脏动力设备,发挥着至关重要的作用,但这类压缩机有个特殊的问题即喘振现象。喘振不但会使压缩机性能显著恶化,使机组的寿命和效率下降,甚至可能引起爆炸等恶性事故而造成巨大的经济损失,因此,防喘振控制是压缩机控制当中的重中之重。目前,压缩机控制技术被国外公司垄断,并且各种先进控制的方法尚未被应用于防喘振控制当中,基于这样的背景,提出了本文研究的课题。论文首先介绍了离心式压缩机的基本理论,分析了其喘振特性及影响喘振的因素；其次,在总结现有公开发表的离心压缩机防喘振控制资料的基础上,提出了本文防喘振控制策略,分为基本控制策略和智能控制策略。基本控制策略在原有控制策略的基础上增加了特殊微分控制功能；智能控制策略将RBF神经网络引入到PI控制当中,以实现控制参数的在线自整定。在实现RBF网络调整PI控制参数时,对传统的梯度下降学习算法作了一定改进,提出了“k-均值,RLS,梯度下降”算法。论文还搭建了基于HYSYS和Matlab的混合仿真平台,在HYSYS中建立离心压缩机的动态运行模型,在Matlab中编写防喘振控制程序,以实现对防喘振控制策略的仿真模拟。仿真结果表明,本文提出的防喘振控制策略不仅能有效地防止压缩机喘振,而且还能缩短控制线裕量,提高压缩机运行的经济性；同时,论文提出的RBF网络“k-均值,RLS,梯度下降”学习算法解决了传统算法的初值选取问题,避免了传统算法初值选取不当造成的控制系统初始运行失败的可能,并且在一定程度上增加了RBF网络的自适应能力。