近年来,随着中国市场经济发展迅速,化工过程市场的需求推动了化工过程模型化的运用,其应用领域得到不断扩展,重要性已越来越突出。间歇过程因其能适应多品种、多规格和高质量的市场要求,被广泛应用于特殊化学品、电子材料、聚合材料、食生化产品和药物等非常广泛的领域,在化学工业过程中占有十分重要的地位。但是由于其具有很强的非线性、缺少稳态操作条件、反应过程的不确定性、未知扰动、过程变量的限制和有限的在线测量信息等特性,不易建立准确的数学模型。针对这些难点,本文就如何获取间歇反应过程模型这一关键问题进行了研究探索。本文研究的主要内容包括：针对非线性动态系统这一类复杂的的建模问题,以往的建模方法主要利用递归的形式,对于最优控制变量序列的求解通常需要利用微分或积分,比较复杂不易求解。本文主要研究利用组合B样条神经网络建立非线性动态模型和实施优化控制的方法。考虑到间歇反应过程时间固定的特性,以确定变化区域的时间变量作为B样条神经网络的输入,让其分担描述对象随时间变化的动态特性部分,而输出变量与操作变量间的关系则由另一B样条神经网络表示,两个神经网络的组合输出建立间歇反应器的非线性动态模型。本文以苯乙烯悬浮聚合间歇反应过程作为建模对象进行模型验证、仿真实验的结果表明：采用最小二乘学习方法的组合B样条神经网络能够以较高的精度和较快的速度为非线性动态系统建模。通过与其它神经网络建模方法的比较表明：通过使用组合B样条神经网络能够降低单个网络的复杂程度,改善了采用单一神经网络建模过程中存在的精度不高以及训练时间长等不足。对苯乙烯悬浮聚合反应转化率的优化控制实验结果还证明了,优化控制策略是有效的,而且由于采用组合神经网络建模的思路,求解优化控制策略就可以分解进行。其中因为间歇反应的时间周期是预先确定的,故神经网络的部分输出可视为已知值。这为利用分解方法求解优化控制序列带来极大方便。利用组合B样条神经网络建模针对时间变量的特点,本文对一个典型的非线性时变系统的输出进行了建模,仿真结果说明了该模型对于与时间变量相关的对象进行建模的可行性。本文的研究为解决间歇反应以及非线性时变系统的建模与优化控制问题提供了新的思路,是对该领域研究内容的创新与拓广。仿真结果证明了可以在化工生产的过程建模、优化控制等方面发挥出实际效果并体现出较强的优势。