现如今,啤酒工业具有非常广阔的发展空间,因为啤酒已经成为我国不可或缺的消费品之一。啤酒工厂的自动化系统和其他的饮料企业一样,具有显著的批次处理控制的特点。其控制系统的难点并非是复杂而又繁琐的逻辑控制,而是在于实时的故障处理和基于批次处理的数据分析管理。本文选取了啤酒生产过程中的酿造工段作为研究对象,首先简单的阐述了啤酒的酿造工艺及其生产控制方法的国内外发展情况,并介绍了西门子BRAUMAT软件在啤酒行业中的优点。然后,文中以百威宿迁项目为背景,着重阐述了BRAUMAT啤酒酿造控制系统的具体设计以及利用神经网络的故障诊断方法。在理论研究方面,本文针对BRAUMAT系统对于复杂故障的诊断率低甚至难以诊断的问题,提出了一种结合神经网络的自适应遗传算法。文章通过对自适应遗传算法的控制思想和特点的讨论,再结合啤酒酿造的实际过程,设计了一种改进的自适应遗传算法。最后,通过MATLAB仿真,得出该算法具有较好的鲁棒性和准确性的结论。在实践方面,文中结合了所经历的实际项目,具体地介绍了西门子专门针对食品饮料行业而开发的BRAUMAT系统,它具有强大的配方设计、订单批次控制、上位机实时监控、趋势曲线记录和自动报警功能。本文基于BRAUMAT软件设计了一套啤酒酿造控制系统,此系统能够大大提高啤酒酿造生产的自动化生产程度。它也能集成各种过程信息和生产方面的工艺信息,具有高可靠性,高性能,分散控制,集控制的特点。该系统由系统工程师站和现场控制站组成,采用上、下位机协同操作并监控的控制方案,对全部酿造工段进行全自动控制。最后,从项目客户的反映情况来看,该系统具有很高的稳定性以及出色的操作性。该系统已经在通过调试后顺利地移交到客户手中,并且已经投入到了实际的生产中。