随着各产业对高聚物材料的需求扩大，高聚物性能的研究受到广泛的关注，高聚物的很多理化性能由其分子量分布所影响，因此对聚合反应产物分子量分布的研究成为该方向的关键内容。过程神经元网络是适用于输入含有时间信息的过程变量的系统建模方式，本文对半间歇反应的过程神经元网络建模方法进行了改进，加快了收敛速度并降低了平均误差；然后基于改进的方法研究了在分段阶跃进料形式下半间歇聚合反应分子量分布的建模与优化控制问题；最后对模型、优化方法和控制策略进行了仿真实验。论文的工作主要集中在以下方面：介绍本文课题相关的研究背景和相关文献，以及相关算法；利用过程神经元网络建立了一个甲基丙烯酸甲酯自由基聚合的半间歇过程模型；利用移位勒让德多项式对所建立的过程神经元模型进行了改进，并通过仿真证明了改进的模型具有更好的性能；对改进的模型进行了各种不同进料形式的仿真实验，测试了模型对不同进料形式的适应性；进而对神经元网络模型进行了进一步简化和推广；以分段阶跃的进料流量为控制变量，采用粒子群算法对半间歇聚合过程进行了优化；最后采用基于带有粒子释放和速度限制的粒子群优化的迭代学习算法进行了半间歇过程模型的控制研究。通过各组仿真实验，验证了改进的过程神经元网络模型的优化和控制策略的可行性。经过研究和仿真，本文探讨了针对半间歇过程建模方法的改进，验证了改进模型的性能。本文的研究是对聚合物分子量分布的建模和控制方法的拓展，为半间歇聚合过程的建模和控制问题提供了一些新的方法。