聚氯乙烯(Polyvinyl Chloride,PVC)生产过程,是一个大规模的工业过程,而且具有非常复杂的化学反应。基于生产过程控制层面考虑,主要具有以下几种特征,其中包括变量之间的强耦合性与非线性、系统参数的大时滞以及慢时变等,是一种十分常见的复杂被控对象。在生产过程中,也会具有很多的不确定性因素,如果仍采用传统的控制方法,则无法使工业指标得到满足,由于先进控制方法的出现,则可以对这些复杂被控对象产生较佳的控制效果。提出一种基于数据降维聚氯乙烯生产过程神经网络软测量建模方法。基于7种数据降维方法,对聚氯乙烯生产过程神经网络软测量模型输入高维数据进行降维,将聚合过程涉及到的现场数据均降至三维数据,即在三维空间中作出所有数据点;采用多种方法实现了氯乙烯转化速率的仿真研究与预测,主要包括梯度方法、动态模糊神经网络软测量模型、聚类方法以及正交最小二乘法的RBF神经网路等。仿真结果标明基于数据降维策略的聚氯乙烯生产过程神经网络软测量建模方法能准确预测PVC聚合生产过程的各项指标,具有一定实际意义。基于聚氯乙烯汽提过程和子空间建模基本原理、多变量耦合系统解耦方法及PID控制器参数整定方法,提出一种基于子空间建模的聚氯乙烯汽提过程解耦控制方法;提出了使用现场数据应用子空间建模方法,并对PVC汽提过程中“塔顶温度-浆料流量”以及“塔底温度-蒸汽流量”实现建模操作;使用对角矩阵解耦和前馈补偿解耦方法对TITO系统进行解耦,得到两个SISO系统后,用两个PID控制器分别进行控制;使用4种工程整定方法整定PID参数,得到阶跃响应曲线。仿真结果表明,运用本方法后,解耦后对象的阶跃响应的超调量、上升时间、整定时间三项性能指标均有改善。针对精馏过程PID控制策略,提出基于参数优化算法的聚氯乙烯精馏过程控制方法;在K_p,K_i,K_d 3个参数空间中寻找最优值,使得系统的控制效果达到最优。选取粒子群优化算法(PSO)、细菌觅食算法(BF)和二者相结合的算法(PSO-BF)进行分析比较,通过精馏模型分析三种优化方法的优化原理,研究PID优化算法对系统性能的影响,得出三种优化算法优化后的参数和曲线,对它们进行分析比较。仿真结果表明,三种优化算法改善了控制系统的性能,满足自动控制要求,在准确性、快速性、稳定性方面均有提升,PSO-BF优化算法使得系统更好的运行,解决了聚氯乙烯精馏过程控制不达标的问题。