实际工业生产过程中常常含有非线性、滞后环节,特别是在化工、冶炼等生产过程中尤为显著。连续搅拌釜式反应器(Continuous stirred-tankreactor,CSTR)是生产聚合物时用得最广泛的聚合反应器,在化工生产的核心设备当中占有相当重要的地位,在染料、医药、试剂、食品以及合成材料等工业中普遍使用,其被控对象繁多,使系统本身具有较大的时变性、非线性和时滞性,控制起来非常困难,常规方法难以取得令人满意的效果。本文针对CSTR系统的非线性和滞后特性,首先研究了内模控制的结构和性质,分析了神经网络内模控制的实质,研究了内部模型、神经网络控制器的构建方法,在此基础上研究了基于神经网络的内模控制算法。本文在分析CSTR系统特性后,针对CSTR在反应过程中产生大量的反应热,把如何及时地减少反应热保证生产正常进行作为控制的主要目标,融合了内模控制和神经网络的优点,给出了系统的控制方案,采用神经网络内模控制算法来解决非线性、滞后等环节的影响,建立了神经网络内模控制器。内部模型和控制器均采用Elman网络建立,使用LM算法在线更新神经网络的权值。为验证本文的设计方案,在MPCE-1000多功能过程控制实验平台下,对CSTR系统进行仿真分析,仿真结果表明神经网络内模控制优于传统的PID控制算法,具有良好的动、静态性能,解决了非线性、滞后等环节的影响。