纯碱是重要化工原料，广泛用于现代商品生产，在整个国民经济的发展中占有重要的地位。碳化过程是制碱工艺的中心环节，是一个具有气、液、固三相参与的，包括吸收、反应、结晶、流动等物理化学过程的复杂过程。因此，对纯碱碳化过程建模与优化控制的研究，对于改善结晶品质，提高产品质量具有重要意义。 在纯碱生产的碳化过程中，由于塔内的反应机理复杂，涉及到的变量较多，各种反应原料都会受到其它工序的相互牵制，从而导致在实际生产过程中，塔中各原料的波动频繁，加上设备老化、负荷变化，使得在实际生产过程中，物料的利用率普遍不高，产品质量和产量也不理想，且工人的劳动强度也较大，为解决此一系列问题，本文提出了针对纯碱生产碳化工艺过程的建模与效能优化。根据塔内的主要反应，即二氧化碳的吸收和氨的解吸、碳化塔中下部碳酸钠的生成以及碳酸氢钠结晶析出和结晶成长的过程，提出了一种控制碳化塔的中上部温度和出碱液温度的建模与优化控制。由于神经网络强大的非线性逼近能力，本文应用神经网络建立起碳化塔温度与流量的复杂非线性模型，使模型符合碳化塔目前运行特性，并以此模型为基础，通过微粒群优化算法快速寻优到一组最优运行参数，并将此参数用于控制执行机构，从而将碳化塔的中上部温度稳定在理想值，以充分利用原料，使生产的波动降低。 本文对于纯碱生产的碳化过程的建模与优化控制进行了研究，具体内容包括：（1）对纯碱生产过程和碳化工艺原理进行简要概况分析；并提取碳化过程的一些关键工艺参数；碳化过程建模与优化控制设计；（2）标准微粒群算法原理的介绍；详细阐述了二次微粒群优化算法及其参数自适应选择；讨论了对碳化塔的控制量的优化问题；（3）基本Elman神经网络的介绍；PID神经元的研究；并详细讨论了Elman神经网络的改进及建模算法，同时对神经网络的训练算法进行了研究；然后建立了一种基于微粒群优化算法和神经网络的建模算法，并将二次微粒群优化算法应用于优化Elman神经网络权值和碳化模型的寻优上；（4）对纯碱碳化过程的进行流量与温度的建模与优化进行了仿真验证。 本文对纯碱生产碳化工艺过程进行了分析和探讨，对非线性复杂系统的建模方法进行了研究，对广泛得到应用的神经网络算法进行改进，并通过仿真验证该算法的优越性。在最优化问题也进行了一定深度的探讨，研究了一种改进的微粒群算法，并通过仿真应用到纯碱生产碳化过程的寻优问题上。本课题所取得的成果具有一定的工程应用指导价值，为复杂非线性系统在建模与优化方面的进一步工程实用方面的研究提供了一定的参考价值。