于蒙，邹志云，赵丹丹，王志甄，盖希杰

（防化研究院，北京102205）

小型电加热反应器被广泛应用于化工实验，其准确的温度控制对化工实验的顺利进行至关重要。一般选择常规PID控制方法控温，但常规PID控制在设定温度下需要通过整定算法整定出合适的控制参数，电加热反应过程滞后较大，整定过程耗时较长，如常采用的基于Ziegler－Nichols PID整定算法一般需耗时2～4h。由于其非线性和时变性，若换一个设定温度或是在反应物容量、实验环境等条件变化时，整定出的参数值就会不适合，就需要重新整定参数［1］。因此，一种能够自整定参数的控制算法对这种小型电加热反应器的温度控制显得十分重要。

神经网络与PID控制相结合在控制领域一直是热点，利用神经网络来辨识非线性系统的模型，从而对PID的参数进行优化［2］。径向基函数RBF（Radial Basis Function）神经网络是一种具有单隐层的三层前馈神经网络，它模拟了人脑神经网络中局部调整、相互覆盖接受域的特点，是一种局部逼近网络［3］。很多文章论述了采用RBF神经网络辨识非线性系统的模型从而自适应整定PID参数的方法，但大部分研究成果停留在仿真阶段，通过选择低阶纯滞后模型来验证这种算法的有效性［4－8］。笔者则将基于RBF神经网络的自适应PID算法应用于小型电加热反应器的温度控制实验。在工控机上用组态软件对小型电加热反应器进行数据采集和过程监控，应用动态数据交换DDE（Dynamic Data Exchange）实现组态软件与Matlab的实时数据通信；把组态软件采集的实时数据送到Matlab中，用Matlab进行PID参数的自适应整定，实现小型电加热反应器基于RBF神经网络的自适应PID控制。……