作为近年来,过程控制领域中的前沿研究课题——大型工业生产装置优化模型的确立,对实际生产具有很重要的指导意义。在石化行业的制氢生产装置中,转化炉是重要的生产环节,其稳定、安全、高效运行对氢气生产具有重要的作用。因此对制氢转化炉实施基于智能控制的优化操作具有重要的理论和实际意义。本文以辽阳石油分公司炼油厂制氢装置为研究对象。通过对制氢转化炉的工艺过程以及控制过程的分析,结合智能控制理论,提出了一种基于遗传算法优化BP神经网络的软测量方案。该模型可以对生产过程中难以直接测得的转化气中甲烷的含量进行在线测量。仿真结果表明通过上述方法建立的神经网络软测量模型具有较好的测量精度。在软测量模型的基础上利用遗传算法,以转化炉在运行过程中生产的转化气中甲烷含量的最小化为控制目标,获得转化炉的最优控制量。本文将遗传算法和神经网络应用于制氢转化气中甲烷含量的软测量,同时对转化炉的控制量进行了优化研究。利用优化后的控制量对转化炉进行控制可降低制氢装置物耗、能耗和生产成本,所取得的效益将是显著的。同时本论文提出的方法对其他复杂的工业生产过程系统的建模以及生产过程的优化控制也具有一定的参考价值。