本文针对常见工业过程控制对象存在的大惯性、时变不确定和非线性等特征，探讨应用智能控制的方法来提高系统的性能指标、改善其控制效果。 论文课题背景为一类典型的过程控制系统——药剂温度控制系统。鉴于被控对象存在纯时滞、大惯性、时变不确定性等特点，文中提出了基于模糊逻辑来智能调整PID控制器参数的方法，并应用了可编程序控制器+触摸屏的方式来实现系统的智能化操作。实际运行结果表明此方法具有良好的控制效果，它能够降低被控量超调、提高控制精度并且增强系统的鲁棒性。可证明在这类对象的应用中，该方法优于传统的PID控制方法。 此外，由于工业对象普遍存在强烈的非线性和参数不确定问题，论文提出了神经网络的建模和控制方法。仿真对象仍为药剂温控系统，模型辨识结构采用串并联形式，并分别使用改进BP算法和浮点式遗传算法进行了神经网络正模型权系数的学习。最后，应用自校正控制结构组成复合神经网络自适应温度控制系统，并对神经网络控制器进行了训练。仿真结果表明遗传算法能够快速稳定地学习神经网络，保证全局收敛 西安理工大学硕士学位论文并且能够克服传统误差反传算法的一些缺点，也证明了这种神经网络自适应控制结构可以有效解决系统中存在的控制难题，同时编程容易，便于在实际系统中应用。