由于现代工业生产过程的复杂性、非线性和不确定性,实际过程控制中,不同工况下被控对象参数或结构会发生变化,此时如果能够依据实际工作状态迅速改变控制策略,通过控制器的重构实现控制系统的稳定性和较好的控制性能,这对于工业过程控制具有重要的意义。本文以复杂工业过程的控制为研究对象,运用已知系统某些先验知识,针对过程工况发生变化的实际情况,提出了基于神经网络补偿与多模型切换策略的过程控制重构方法,并应用于谷氨酸发酵过程的控制,通过相关的仿真研究来证明所提出方法的有效性、稳定性和可靠性。本文主要做了以下几方面的工作：(1)针对非线性不确定性工业过程,提出基于神经网络补偿与多模型切换策略的过程控制重构方法,并对所涉及的关键技术进行详细介绍,从理论上说明该方法的可行性。(2)谷氨酸发酵过程具有高度的非线性、时变性和不确定性,其内在机理非常复杂,并且一些重要的过程变量不能在线测量,导致发酵过程的建模和控制非常复杂。针对此种情况,本文以谷氨酸发酵现场记录的数据为基础,利用RBF神经网络建立谷氨酸发酵过程的多变量动态模型,应用MATLAB仿真实验来验证所建模型的有效性。(3)以所建立的谷氨酸发酵过程神经网络模型为基础,以基于神经网络补偿与多模型切换策略的过程重构控制方法对其进行仿真研究,并针对发生变化的工作状态和不确定性干扰设计了仿真实验,结果证明该方法能够对谷氨酸发酵过程进行有效的重构控制,并且能够有效地减小操作和环境的变化等不确定因素对被控系统带来的影响,使谷氨酸发酵获得了较高的产酸率,同时又有效的防止了发酵过程中不确定性干扰的影响。