工业过程大多为复杂的非线性过程,对非线性过程建立高精度的模型是对系统进行分析与控制的基础,将Wiener模型用于非线性过程的建模与控制中具有重要意义。本文针对非线性过程,研究了基于Wiener模型的神经网络建模方法,以及基于Wiener模型的实时优化预测控制算法,主要内容包括以下几个方面:　　 简要介绍了Wiener模型及实时优化预测控制的基本原理,从理论和应用方面概述了现有实时优化预测控制的算法,Wiener模型的建模方法,及当前研究存在的问题。详细介绍了基于神经网络的Wiener模型建模方法。　　 给出一种基于正交最小二乘(Orthogonal Least Square,OLS)的傅立叶神经网络(Fourier Neural Network,FoNN)Wiener模型建模方法。该方法采用FoNN描述Wiener模型的非线性稳态模型,由OLS算法确定FoNN的结构。针对化工过程的聚合反应器进行仿真。仿真结果表明该方法的可行性和有效性。　　 给出一种基于Wiener模型逆变换的实时优化预测控制算法。该方法针对多层控制系统结构中需要在线解决两个复杂的非线性优化问题,给出一种基于Wiener模型逆变换的经济优化预测控制方法。该方法利用Wiener模型非线性静态部分的逆模型,将过程的非线性从控制问题中去除。将非线性的实时优化问题和稳态逆模型转换进行结合,将非线性实时优化转化为线性规划。最后对非线性系统的仿真研究表明该方法的有效性。