环氧乙烷（EO）反应器的控制技术是保证其在最佳工况下运行，提高其经济效益的关键技术。本文主要研究用人工神经网络（ANN）建立EO反应器的模型，实现其过程预测优化控制的原理和方法。主要研究内容与成果如下： ①基于过程测量数据可以反映对象的规律和特征，提出采用过程测量数据建立对象模型的构想。在分析研究TDC-3000系统结构的基础上，提出采用DCS系统本身的数据检索功能收集过程测量数据，经由DCS操作站的打印机接口向外部通用计算机传送数据的方案，经试验，实现了DCS与互连网的实时数据传送。采用共享内存和动态数据交换技术，研究解决了不同计算机系统（UNIX，Windows操作系统）之间、不同应用程序（进程）之间的实时数据动态交换问题。提出过程数据预处理办法及样本点广义距离均匀分布规则和算法，解决了从海量过程测量数据中撷取少量样本数据的问题。 ②提出一种双ANN结构的EO反应器模型。该模型的主结构采用RBF网络，离线训练，用来代表对象的大范围变化规律；模型的副结构采用BP网络，在线训练，用来代表主结构的误差，也用来消除因对象缓慢时变所导致的模型误差。主、副ANN结构线性叠加构成对象模型。经模型预测—实测对比，其最大误差不过2％，较好地解决了EO反应器模型的构造、学习算法和误差校正等问题。 这种双ANN网络模型，与所提出的过程数据采集和样本数据撷取算法相结合，对于建立非线性缓慢时变的MIMO过程对象模型，具有实用价值。 ③基于模型预测控制算法原理，对于EO反应器预测优化控制中的数据预处理、参数预测、慢趋势预测、滚动优化控制、期望目标（约束边界）计算与约束处理等问题，提出了计算原理和算法公式，并确认了相关的计算参数。提出了MPC预测误差的ANN模型校正方法和不同控制方式之间的切换办法。 以上研究成果，基本解决了用人工神经网络建立EO反应器模型，实现其预测优化控制的计算原理和方法问题，并将应用于工程实际。