针对液位控制系统存在非线性、过程有滞后、难于精确建立被控对象数学模型的特点,本文研究了能够有效控制非线性系统不确定性的滑模变结构控制算法。滑模变结构控制具有快速性能良好,鲁棒性能优异,算法简单的优点,但却存在难以克服的抖振现象,当对参数不确定或数学模型不精确的系统进行控制时,为了能够确保控制的有效性,必须加大滑模的滑动区间,而这样设计出来的控制器抖振现象比较严重,在实际的过程控制中,为了提高系统的快速收敛性,需要增加滑模变结构控制器的增益,这样往往受到实际控制系统的限制,因此高增益滑模控制器一般难以实现,同时也因为在系统稳定之前的参数调整阶段,增益的增加常常会引起系统的高频抖振,并且实际的执行控制器件并不是理想的开关器件,它并不能完全瞬时准确地响应控制指令,从而导致系统的控制性能恶化。此外,高频抖振可能会把系统中的未建模成份激励起来,引发干扰,加上非线性系统本身的复杂性,这种干扰可能导致系统不稳定。为了克服滑模变结构控制的上述缺点,本文提出用BP神经网络对传统的滑模控制进行改进,这种方法既保留了传统滑模变结构控制的优良特性,又有效地削弱了传统滑模变结构控制的抖振现象。将该方法应用于非线性系统的液位跟踪控制系统中,并与传统的滑模变结构控制方法进行比较,通过理论分析和仿真结果证明:采用BP神经网络的滑模控制算法,不但继承了滑模变结构控制所具有的快速性和抗干扰性,而且还减弱了传统滑模变结构控制抖振对系统的影响。最后,基于AE2000B2型过程控制实验装置,采用BP神经网络滑模控制算法,完成了液位的网络集成式计算机控制系统的设计,该系统采用过程监控层和现场控制层两级结构。过程监控层的上位机采用DELL工业控制计算机并配以北京昆仑通态公司的MCGS组态软件,现场控制装置采用上海万讯公司的AI-818A智能仪表,上位机与智能仪表之间进行串行通信。在整个液位控制系统设计中,利用MCGS提供的高级开发包以及VB与MATLAB的混合编程技术,编写BP神经网络滑模控制算法,开发MCGS调用的算法功能构件,并最终通过实验,得到了理想的控制效果,从而证明了BP神经网络滑模控制算法的有效性。