本文以马钢某炼钢电弧炉控制系统为研究对象,阐述了电弧炉电极控制系统的研究和开发过程。电弧炉电极控制系统是一个多变的、非线性、强耦合、时变、干扰因素多的复杂系统,用传统控制理论难以建立较为准确的数学模型,更无法对其进行解耦求解,难以满足生产对电极控制的要求。本文针对这一生产问题,在对电弧炉电极控制系统的研究和开发中,得出采用神经网络在线逆辨识和逆控制的方法,即基于RBF网络逆辨识的电弧炉电极系统控制,实现了三相耦合系统的实时在线解耦与控制。本文根据逆动力学控制的思想,提出了一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。把电弧炉电极电流的实时数据,经过数据处理后作为辨识器的输入样本,应用最近邻聚类学习算法,实现对电弧炉电极控制系统逆模型的动态辨识,将动态辨识得到的逆辨识模型作为控制器模型,与被控对象串联起来,构成具有线性传递关系的且已解耦的一种规范化系统,因此被控对象的控制问题由非线性控制向线性控制转换。本文通过基于最近邻聚类算法的RBF神经网络,对三相电弧炉电极系统进行逆辨识和逆控制,实现了三相电弧炉电极系统的实时、在线解耦和控制。应用仿真软件MATLAB对基于RBF网络逆辨识的电弧炉电极系统控制进行了仿真分析,仿真分析结果表明该方法能较好的实现系统的解耦与控制,同时能增强系统的鲁棒性和抗干扰性,验证了本文开发的基于RBF网络逆辨识的电弧炉电极系统控制策略的有效性,实现了预期的设计目标,具有广泛的工程应用前景。