二氧化碳作为一种重要的资源用途广泛,同时二氧化碳的排放也是造成全球变暖的主要原因,所以有效的回收二氧化碳既可以节约资源也可以减少大气污染和温室效应。在采用吸附精馏法的二氧化碳精制回收系统中,工业级二氧化碳闪蒸阶段的成品二氧化碳纯度受很多因素的影响,通过分析平衡蒸馏原理和闪蒸罐的工作原理,我们可以得知,液化气出口二氧化碳温度和闪蒸罐压力是影响闪蒸罐出口成品二氧化碳纯度的两个重要工艺参数。传统的控制方案是采用常规PID对这两个工艺参数进行控制,对工艺参数设定值采用理论计算和人工经验的方法来确定,这种控制方法效果不好,容易造成成品二氧化碳纯度不稳定。本文基于对工业级二氧化碳闪蒸阶段工艺过程的了解,采用了一种基于神经网络的工艺参数优化方法。首先根据历史数据,通过神经网络建立起系统的预测模型和工艺参数优化模型,预测生产过程中影响二氧化碳纯度的关键工艺参数值,然后再结合常规PID控制方法对这些工艺参数进行实时控制,有效的克服生产过程中相应关键工艺参数难以确定的缺陷,从而使成品二氧化碳的平均纯度提高,波动减小。本文还采用了基于卡尔曼滤波的优化神经网络参数的方法,使得神经网络的训练效果得到改善。