随着当今社会的发展和科技的进步，聚合反应过程对聚合物质量的要求越发严格。作为影响聚合产品性能的关键因素之一，分子量及其分布的优化控制就成为了研究重点。已经有研究证明，正交多项式基函数前向神经网络与递归神经网络相结合的复合神经网络可以较好地拟合分子量分布。本文针对连续聚合反应过程，在前人所建立的模型基础上探讨了基于分布矩值控制算法，具体包含以下内容：1.针对复合神经网络模型在正交多项式确定的情况下，网络权值和矩值存在等价关系的特点，将矩值直接从MWD分离出来，提出直接控制矩值进行MWD形状跟踪的思想。利用最优化算法控制分子量分布矩值，从而实现MWD的跟踪控制。性能指标选取使矩值的误差平方和最小，加入控制变量约束项，限制调节幅度。2.在梯度法控制分子量分布矩值的基础上，进一步提出基于优化算法的预测控制器。利用预测方法推导出分子量分布矩值的表达式，提出了新的预测目标函数，以预测矩值和系统矩值的误差平方和最小为性能指标，并加入可测或可推断的低阶矩值误差修正项，实现了MWD的部分闭环反馈控制。最后以实验室规模的苯乙烯连续聚合过程为对象，进行了仿真建模和控制研究，收到了良好的控制效果。3.以传统PID控制器为基础，结合神经网络预测控制，提出预测PID控制策略，构造PID型预测性能指标函数，并利用前向神经网络实现了控制器参数的在线整定，应用于分子量分布的控制中，仿真结果表明了控制算法的有效性。本文初步证明了利用优化算法，预测算法及预测PID算法对连续聚合反应分子量分布矩值进行优化控制，从而达到跟踪分子量分布的方法是可行的。由于苯乙烯反应过程较为复杂，分子量分布不可以在线测量，本文的研究工作是对聚合物分子量分布优化控制手段的丰富和创新，为解决聚合反应过程产品质量的优化控制问题提供了新思路和新方法，值得进行更深一步的论证研究。