本课题来源于广东省科技计划资助项目“炼油厂蒸馏装置生产过程智能监控与事故预报系统的研究”。研究对象为广石化炼油厂蒸馏(一)常压装置。 常压蒸馏过程是一个关联强、非线性程度高、多产物、多变量、高温，包括物理变化及化学反应的，通常处于连续生产状态的复杂过程。实现其智能监控和故障诊断、事故预报，对解决“信息灾难”问题，实现安全生产，优化设备管理以及提高工厂经济效益都具有积极意义。 本文设计并实现了一个智能实时监测与事故预报系统。该系统是基于知识处理自动化的思想，在总结专家私有知识的基础上，结合专家系统和人工神经网络，利用因特摩平台进行二次开发的实时智能系统。 本文利用RBF网络建立了常四350℃馏出软测量预报模型，并设计了其校正模块。仿真实验证明，该算法具有较高的精度，较快的收敛速度，以及良好的对输入变换的跟随性，基本能够满足现场生产的需求。 针对诊断对象的特点和专家系统建造中的“瓶颈问题”，本文基于重现神经网络分类功能的思路，引入统计理论，以产生一测试法产生规则抽取前端示例集，进而利用人工神经网络抽取规则的算法，抽取专家知识规则。并通过实例证明，这是一种有效的规则抽取方法，可以抽取出可理解性好，简洁、紧凑，保真度高的符号规则。 本系统已经完成了开发，实现了数据通讯、数据仿真、基于知识的事故预报、实时监测多媒体显示，以及基于人工神经网络的质量预估软测量等功能。目前，系统已经在现场运行了一段时间，取得了一定的实际效果，还在进一步调试优化中。