糖厂澄清工段是糖厂生产过程中的一个很重要的工艺过程。糖厂澄清工段是一个具有的强非线性、多约束、多输入等特点的复杂系统,也正因为这些影响因素,一直以来都没有很好地解决澄清过程的稳定控制问题。寻找新的控制方法来实现糖厂澄清工段优化控制是一个有意义的课题。广义预测控制(Generalized Predictive Control, GPC)需要确定的参数较少,计算量不是很大,而且此控制系统的设计比较灵活方便,因此,被广泛地应用到工业过程控制中,并且取得了很好的效果。本文首先分析了碳酸法糖厂澄清工段的整个流程及各种影响因素,考虑其整个系统的复杂性,整体建模不准确,将整个系统分为几个小系统,进行建模。本文选取了一碳饱充和二碳饱充两个过程,并采用BP神经网络对这两个过程建模。其次,将建立的模型作为广义预测控制的被控对象,再次利用BP神经网络对这个被控对象建立广义预测控制系统的预测模型,这个预测模型是由基于BP神经网络的在线辨识器和预测器组成。利用泰勒公式对这个辨识的非线性的预测模型在某个工作点附近进行线性化,得到线性表达式,并以此为基础通过广义预测控制算法对系统进行控制。本文将一碳饱充和二碳饱充的控制过程都分为两部分,一部分是在流量恒定时,将输出从初始值控制到设定值,并稳定；另一部分是在前一部分已稳定的情况下,流量发生变化时,将已变化的输出控制到设定值。最后仿真结果表明将神经网络与广义预测控制结合对澄清工段这两个过程的控制很有效,不管流量是恒定的,还是变化的,都能能将控制目标控制在设定值的范围内,而且控制量的变化都在工艺要求的范围内。