本文以天津石化化纤厂工业聚酯生产过程为对象，针对目前在线实施的聚酯粘度智能控制系统进行了进一步的研究和探讨。引进小波变换分析技术对聚酯动力粘度进行数据处理和过程参数识别，通过对CPN双向对传模糊神经元网络的深入研究，设计了拟人智能控制器，实现根据过程参数曲线变化趋势的拟人实时智能控制。 本文利用小波变换不但能提取信号和噪声在多尺度分辨空间中的波形特征，而且根据表征该特征的小波系数的模极大值的不同的传播特性来实现对聚酯动力粘度信号的波形检测。通过小波算法完成对聚酯动力粘度信号的分解与重构、突变故障信号的检测和信号噪声的滤除，为后续的CPN双向对传模糊神经网络控制器做了数据准备。该方法既避免了矩阵运算、降低了运算量，又能在获得一定改善信噪比增益的同时，保持对信号波形细节的较好分辨率，并且对待检测信号形式不敏感。 本文根据聚酯过程的实际情况提出一种基于小波变换和双向对传神经网络(CPN)自动提取模糊控制规则模糊神经网络控制器，利用CPN模糊神经元网络的自学习和记忆功能，规则合成快，而且控制规则的变化可以通过部分的网络权值的改变而实现。可以预先根据专家经验获得一定的控制规则，然后通过在线学习，不断从被控对象中获得信息，对控制规则进行增删或修正。该模糊神经控制器能根据根据经小波变换分析去噪声和突跳特征检测后的重现的聚酯动力粘度数据曲线，预测粘度曲线变化趋势并自动在线提取和修改控制规则，模拟操作工人的控制方法、策略，从而实现较好的在线控制效果。 本文所研究的结果为聚酯过程的实时控制提供了一套有效的控制方案。理论分析与采用实际工业聚酯对象模型仿真的结果证明该方案的有效性可行性。