建立石油化工生产过程的质量模型是石油炼制工程领域的重要课题。本文以辽阳石化炼油厂常减压蒸馏装置为研究开发对象，从炼油工艺机理出发，系统分析了常减压装置的生产过程，从中筛选出影响常三线、减一线、减二线油品闪点和粘度较大的变量。用神经元网络理论建立了这些侧线油品的闪点和粘度共六个质量估计模型。 RBF(Radial Basis Function)神经元网络是近年来刚发展起来的新型网络。它在结构上具有输出．权值线性关系，同时训练方法快速易行。我们将它与系统辨识技术结合起来，采用递推最小二乘法修正网络权值，使得RBF网络具有良好的自适应能力。这六个质量估计模型不仅具有自适应能力，还克服了一般神经元网络仅有“内插”功能，使它有了“外推”能力。 实际应用表明该数学模型能较准确地描述和跟踪常减压蒸馏过程并具有较高的精度，满足工艺要求。为实现常减压蒸馏过程直接质量控制奠定了良好的基础。