本文以白银铝厂阳极焙烧温度系统为研究对象,针对该复杂系统存在着时滞、时变扰动、难控制等特点,采用智能控制方法对系统进行深入的研究。神经网络变结构控制是人工神经网络与滑模变结构控制的有机结合,不但很好的解决了常规变结构控制难以解决的抖振问题和对系统不确定性控制问题,而且有效增强了系统的鲁棒性和自适应能力。因此本文对基于径向基函数神经网络的变结构控制的算法进行了详细的理论分析和仿真研究,并以流体学、热力学及其相关知识,初步建立以重油压力为输入火道温度为输出的数学模型,进而对焙烧温度系统进行控制。首先详细分析了变结构趋近律的控制方案中参数对系统性能的影响;鉴于径向基函数网络学习速度快而且对非线性系统具有很好的逼近能力,本文采用RBF神经网络对离散趋近律中的参数进行优化,以达到快速趋近滑面和减小抖振的目的,仿真结果表明,该算法不但增强了控制系统的鲁棒性还改善了滑动模态的品质。在理论研究和仿真的基础上,对现场采集到的阳极焙烧炉的温度控制系统的大量的输入输出数据进行处理,采用递归神经网络对传感器进行动态补偿,消除测量滞后误差,来保证对所建模型的控制品质,从而保证炉内温度的分布及升温速率满足工艺要求,从理论上为生产高质量的阳极提供依据。