本文主要研究利用复合神经网络建立聚合反应分子量分布模型的方法和拓扑结构，并探索基于模型预估的控制分子量分布的新方法。 分子量分布曲线是分析聚合物性能最有效的指标，但是目前缺乏有效的在线测量手段，在线控制困难重重。需要建立神经网络模型，以它的输出代替对象的输出分子量分布曲线，才能实现对象的在线控制。聚合过程是具有高度非线性的多变量复杂系统，所建立的神经网络模型需要在逼近分布曲线的同时表达出系统的动态特性，因而，本文采用由动态递归神经网络和B样条神经网络组合而成的复合神经网络建立分子量分布模型。 在复合神经网络的建立中，本文对分子量分布进行建模的同时，对釜内温度也建立了神经网络模型，这样可以弥补分子量分布模型无法感知未知扰动的缺陷。对模型中可测的扰动变量采用主元分析的方法，降低了多变量建模引起的过高的输入维数，提高了训练速度。 在控制中，本文提出了新的控制指标和控制策略，目标函数在分子量分布的误差平方和的基础上，加入了系统实测温度与神经网络输出温度的温度差反馈和控制变量的约束这两项，改进了单纯基于模型的控制算法，达到了补偿未知扰动和限制调节幅度的作用。本文以某顺丁橡胶连续聚合反应为对象，进行了仿真建模与控制研究，收到了很好的效果，