在整个炼焦生产过程中,焦炉集气管压力系统是其重要组成部分,而冷鼓系统又是焦炉集气管压力系统的重要环节。焦炉冷鼓系统主要由气液分离器、初冷器、大循环、鼓风机和鼓风机调速系统等装置组成。其主要功能是调节初冷器吸力,实现焦炉荒煤气在不同工况下的稳定传输。在整个生产过程中,初冷器前吸力的变化直接影响到了焦炉集气管压力的稳定,由于焦炉冷鼓系统具有时变性、不确定性等特点,很难建立较为精确的数学模型。因此,要使焦炉冷鼓系统得到长期稳定的控制,先进控制器的设计就显得十分重要。本课题来源于内蒙古美方煤焦化厂的焦炉冷鼓系统的项目改造。根据现场焦炉煤气发生量的大小将冷鼓系统分为三种不同的工况(检修保温工况、正常工况、非正常工况),当系统因工况改变而产生较大波动时,常规PID控制就难以使初冷器前吸力保持在一定范围内。本文采用最近邻聚类学习算法训练的RBF网络辨识,建立焦炉冷鼓控制系统的仿真模型,辨识出Jacobian信息并用于BP神经网络整定PID参数,实现冷鼓系统不同工况的自适应PID控制,从而提高冷鼓系统的输出跟踪精度。仿真结果表明,该控制系统在工况发生改变时能将冷鼓系统的初冷器前吸力快速、有效地稳定在正常范围内,控制精度高、稳定性好,保证了焦炉冷鼓系统在不同工况下稳定运行,其自适应能力对稳定生产工艺指标具有一定的有效性。实际运行结果表明,改造后的系统运行效果有一定的改善。