本文来源于BASF公司和扬子石化一体化石化项目中的EO/EG装置子项目，并根据环氧乙烷生产工艺和控制的要求，着重研究了DeltaV系统、神经网络辨识技术和单神经元自适应PID控制算法在该装置中的应用。 通常是利用在线质谱仪等测得的环氧乙烷反应器入口和出口的各组份浓度进行控制，根据其生产工艺和控制要求，本文先设计了反应器进料温压补偿控制逻辑、联锁顺序控制逻辑和工艺流程图。但质谱仪的价格贵、故障率高且平均需要每周维护一次，故仅用一个质谱仪测得的数据不能提供稳定的反应器模型，而用多台的话设备投入太大，为解决此问题，本文先利用经验采样规则选取3000组生产数据作为样本数据，经归一化预处理后用RBF网络算法辨识出该子系统的系统阶次和延迟步数，再利用RBF网络建立反应器子系统的非线性静态和动态神经网络模型，同时给出了Matlab仿真说明，最后经比较选择非线性动态神经网络模型为反应器的模型。当质谱仪不能正常工作时，该模型可在线工作代替反应器出口处的质谱仪，其相当于反应器的模型；当质谱仪能正常工作时，该模型离线工作，它可检查质谱仪的测量数据是否正常。 不过因为采用传统的PID控制器往往很难整定到最优控制参数，所以本文在此模型基础上设计了单神经元自适应PID控制器用于氧气进料的优化控制，也给出了Matlab仿真说明。 EO/EG装置的基于DeltaV系统的集散控制系统已于2004年2月底顺利通过了BASF公司、日挥公司、扬子石化公司和EPM公司的工厂测试。但大型化工企业对过程控制的安全性要求高于对先进性的要求，文中给出的环氧乙烷反应器的先进控制策略在工程实施之前还有大量工作要做。 最后，对全文作了总结提出了进一步研究和改进的方向。