能源需求的紧张，迫使精馏过程生产必须采用先进控制方法，以保证把精馏过程系统操作在规定的精度之内。基于模型的控制策略能够有效地解决这一问题。模型预测控制等在精馏过程中的成功应用得益于高性能的过程模型。精馏过程是一个时变、非线性、强耦合性的化工过程，因此过程建模相对比较困难。近年来，神经网络技术的进步，推动了非线性系统建模技术的发展。在精馏过程领域，过程机理知识与智能建模技术的结合已成为建模研究的焦点。本论文的选题以机理建模为主线，以神经网络建模为补偿，建立酒精精馏塔的机理—神经网络混合模型。并分别对机理模型和混合模型进行了MATLAB仿真。论文首先简单介绍了精馏技术的发展，然后着重介绍了酒精精馏塔的机理建模，一方面详细计算出酒精精馏塔的各种物理参数，建立机理模型的过程中四大平衡方程；另外一方面分析了机理模型简化的一些假设条件，建立起酒精精馏塔的简化机理模型；最后在MATLAB环境下对机理模型进行了仿真。接着，针对机理模型的误差过大，运用RBF神经网络模型对机理模型进行稳态误差补偿，建立稳态误差RBF补偿神经网络模型。在简单介绍混合建模理论知识后，综合前面建立的酒精精馏塔的机理模型和RBF补偿神经网络模型，建立酒精精馏塔的机理—神经网络混合模型，在MATLAB环境下，对混合模型进行仿真，并对混合模型的抗扰动性能进行了仿真分析，仿真结果显示出混合模型具有很好的抗扰动性能，稳态误差一般都能控制在±1℃范围之内。最后，总结了论文的工作，并对将来的研究内容进行了展望。