醋酸乙烯聚合率是聚乙烯醇生产过程中重要的质量参数,它对生产过程的安全性、经济性和产品品质具有重要影响,但它目前主要靠人工采样离线检测、操作人员依据生产经验进行调控。本文对醋酸乙烯聚合率的在线检测和优化控制进行了探索性研究,主要探讨了两个方面的问题:采用软测量技术实现聚合率的在线估计以及采用预测控制的方法对聚合率进行控制。本文所做的具体研究如下:1、在了解醋酸乙烯聚合过程工艺机理基础之上,分析了影响醋酸乙烯聚合率的因素,采用了RBF神经网络、最小二乘支持向量机、增量最小二乘支持向量机三种方法建立醋酸乙烯聚合率软测量模型,并利用工业现场的实际测量数据对这几种方法进行了仿真研究和比较。仿真结果表明,增量最小二乘支持向量机方法能根据误差要求调整训练目标,所建模型表现出很高的拟合精度和预测精度,泛化能力强,而且具有在线学习功能,比较适合用于醋酸乙烯聚合率的在线估计。2、针对聚合反应过程具有非线性、时变、有噪声干扰和和滞后等特点,常规控制方法很难得到令人满意的效果,将预测控制中的隐式广义预测控制算法应用到聚合率控制中。这类算法对模型的精度要求不高,另外,由于在优化中引入了多步预测思想,使其抗扰动及时延变化等能力显著提高。因此本文采用了该算法进行醋酸乙烯聚合率控制系统的设计,并用MATLAB对该算法进行了仿真研究。仿真结果表明该隐式广义预测算法动态响应快,跟踪效果好,能够获得较好的控制效果,并通过仿真分析了隐式广义预测控制中的主要参数对系统性能的影响。研究结果对醋酸乙烯聚合率在线测量和优化控制具有重要意义。