阳极焙烧是铝工业的重要工序之一,阳极焙烧质量的好坏将直接影响到铝电解生产的电流效率和能耗。因此,如何改进阳极焙烧技术提高阳极质量就成为铝电解工业的重要课题。而加紧对阳极焙烧炉的基础理论及控制算法进行深入系统研究就成为实现这一目的的必然途径。这也是国内具有自主知识产权新型焙烧炉控制系统开发设计的迫切需求。本文主要针对白银铝厂预焙阳极焙烧炉,展开对阳极焙烧温度控制算法的研究。本文首先详细地叙述了阳极焙烧炉的焙烧机理,简单介绍了阳极焙烧炉的工作原理及结构组成,并对阳极焙烧炉的生产工艺进行了总结。综述了目前国内外阳极焙烧技术发展状况,分析了研究阳极焙烧炉温度控制算法的现实意义。提出了在我国开展阳极焙烧炉温度控制算法研究的综合思路,并以此作为本文的研究思路,展开了相应的研究工作。针对预焙阳极焙烧炉温度控制系统是一个大时滞、非线性、无精确数学模型的复杂系统,系统存在扰动,且不可测量,炉室间温度存在严重的耦合。本文提出了采用基于径向基函数(RBF)神经网络自适应PID控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。为了实现预焙阳极焙烧炉的解耦控制,本文采用了神经网络分散解耦控制,利用神经网络的自学习能力、非线性映射能力和容错能力来实现系统的在线解耦。该控制算法结构简单,便于实现并行分布式实时处理,在工程上会使设计问题简化,适合预焙阳极焙烧炉温度控制。本文在对以上两种算法研究的基础上,将RBF神经网络自适应PID控制器与神经网络分散解耦控制算法结合起来,提出了一种基于RBF神经网络自适应PID的在线解耦控制算法,以适应预焙阳极焙烧炉复杂工况和高指标的控制要求。该算法既避免了当单独采用自适应PID控制算法时,多变量被控对象耦合严重,控制效果不佳的问题;又解决了当单独采用分散解耦算法时,出现多变量被控对象模型参数发生变化,原有的控制器参数不能适应变化后的对象的问题。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明,它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。这些工作对提高阳极焙烧质量和稳定铝产量有着重要意义,与此同时,还将促进智能控制技术的发展及其在工业过程控制中的广泛应用。