近年来随着激烈的市场竞争和对多品种、多规格、高附加值产品的需求,间歇和半间歇生产方式逐渐成为企业生存的关键。然而国内大部分间歇生产过程的自动化水平却依然偏低,还普遍存在高能耗、高物耗等问题。因此为提高市场竞争力,节约能耗物耗,在间歇生产过程中推行优化算法和先进控制策略已快速成为当前研究热点。本文针对间歇生产过程的温度优化控制,研究和提出了一种面向过程数据的操作轨迹计算方法,目的在于找到一种省时省力的办法解决以往间歇生产的最优操作轨线大多依靠经验人工获取的问题,同时还研究了单批次跟踪和多批次重复学习来实现对间歇反应的温度控制。文中无论是温度曲线的计算,还是温度曲线的跟踪控制,都是以减少计算和控制时间,提高优化控制效果为目的,为实际生产领域的优化控制提供了一种新的参考。本文的主要研究内容如下：1、从连续时变输入的角度研究了间歇反应过程的建模技术,在过程神经网络理论的基础上,提出了一种基于时间函数模型的最优操作轨线自动计算方法。采用傅里叶正交基函数对连续时变输入作预处理,进而利用过程神经元网络独特的时间聚合算子,成功建立了制备橡胶硫化促进剂间歇过程的操作变量与产品质量之间的关系模型；并基于此时间函数模型,通过产品质量性能指标优化计算,获得最佳的控制轨线,作为实际生产的设定曲线。2、以数值求解得到的最优温度曲线作为设定值的单批次跟踪控制系统中,采用普通神经元网络建立间歇过程的对象模型和控制器模型,在内模控制理论基础上,以最优温度轨迹为目标,跟踪控制间歇反应釜温度。3、针对间歇反应温度的严重非线性,在单批次跟踪基础上,利用间歇反应批次之间的重复性,提出了迭代学习控制和反馈控制相结合的综合控制方案,反馈控制作用调节跟踪偏差,利用迭代学习控制进行前馈补偿。该方法实现了最优温度曲线的完美跟踪,为间歇生产的温度控制提供了有效的解决途径。