石油化工生产过程的在线优化控制是目前自动控制理论及应用领域中的重要课题。本文系统分析了常压蒸馏的过程，认为其具有优化潜力，提出了优化方案及优化步骤。 本文的主要任务是： 1 采集了常压塔的生产操作数据，采用数理统计的方法，建立了常压塔的脱空度、干点估计模型及常压塔的收率数学模型。 2 提出了一种基于径向基函数神经网络在线训练的产品估计方法。建立了常压塔在线估计模型。仿真研究表明该模型具有较高的精度，满足工程要求。为实现常压蒸馏过程直接质量控制奠定了良好的基础。 3 进行了广义预测控制算法的研究，将系统辨识的方法应用于预测控制，并进行了仿真实验，结果表明改进后的控制效果与原来相比有了非常显著的改善。 4 研究了一种全局优化算法—遗传算法(GA)，并提出一种基于交叉相似度的自适应遗传算法，其交叉概率、变异概率和编码长度随种群的交叉相似度而变化，将自适应遗传算法用于求解蒸馏过程非线性稳态优化问题，也取得了令人满意的效果。