气体分馏装置是炼油化工行业一个具有代表性的装置,它具有典型的精密分馏过程。脱丙烷塔是气体分馏装置的重要生产设备之一,它是通过控制塔顶回流量和塔底再沸量来控制塔顶轻组分碳二、碳三的收率,它具有非线性、大时滞、多变量等特点,同时它对产品纯度要求高。对象的复杂性对控制也提出了很高的要求,为了能更好地掌握脱丙烷塔的对象特征,建立更完善的控制方案,更方便的进行仿真测试,为脱丙烷塔建立一个属于自己的模型无疑是一条行之有效的方案。进而能更好的降低装置能耗,节约生产成本,提高产品质量。本文提出了利用BP神经网络建模的方案。通过对脱丙烷塔的机理分析,将脱丙烷塔看作由三部分组成,分别为塔板段、冷凝器和再沸器,塔板段根据其物理特性分为精馏段和提馏段,并将冷凝器和再沸器各看作一层塔板。基于精馏过程的平衡关系,脱丙烷塔的精馏过程可由物料平衡、相平衡、热量平衡和摩尔分率总和四组方程来描述。选择神经网络建模,是由于神经网络建模不需要掌握精确的对象参数,可以较好的克服脱丙烷塔的非线性、大时滞、多变量等特点,并且具有自学习和自适应、自组织、函数逼近和大规模并行处理等能力。通过对RBF神经网络和BP神经网络的介绍和比较,认为BP网络具有网络结构简单、逼近精度高等特点,可以任意逼近非线性函数且收敛速度快,易于仿真,决定利用BP神经网络来建立数学模型,基于脱丙烷塔的机理分析,构建具有五个输入一个输出的BP神经网络,并根据工艺特性的生产阶段、开车阶段和波动阶段分别构建三个模型。每个模型通过各200组实际生产数据对网络进行训练,并利用另外60组验证数据对该模型进行验证。文中对于BP模型的构建、训练以及验证,在Matlab平台下进行了仿真验证,并将训练结果和仿真结果用图形表示出来。从验证结果来看,该模型可以达到较好的逼近效果,仿真精度高,适合作为脱丙烷塔的数学模型。