随着科学技术和生产力的不断发展,在实际工业生产过程中受控对象机理越来越复杂,表现出如下一些特征:多输入多输出、时变性、强耦合、时滞性、高指标要求等特点。此类复杂系统和对象,由于难以建立精确数学模型,使得传统控制理论很难应用,甚至不能控制。这就要求在控制中,控制不仅不依赖于对象数学模型,并且能够在线自调整,以满足实时控制的要求。在众多具有以上特性的对象中,多温区温控系统无疑是一种较为典型的此类对象。该对象不仅具有参数不确定的特性,而且由于其本身的“多温区”特点,温区间往往存在较强的耦合。因此鉴于多温区温控系统滞后、强耦合、模型不确定的特性,针对传统PSD算法所存在的不足之处,本文重点研究了一种能够克服滞后,且不依赖于精确模型的自适应PSD算法。本文在单温区滞后温度对象中对该算法进行了研究,提出了一定的改进措施,并通过大量的仿真证明了所提出算法的有效性。同时,本文将PSD算法在一多温区温控系统中作了推广。传统的PSD算法所具有的易于工程实现的特点和神经网络在非模型控制上所具有的优势,二者的结合对模型不确定性对象的控制是一个好的方法。本论文即结合二者之优点,提出了一种PSD网络算法的结构。并比较了现有的几种PSD网络控制器的结构特点,从理论上阐述了PSD网络算法的优势所在。最后,在所建立的多温区测控系统模型基础上,针对模型的大滞后、强耦合这个特点,将PSD网络解耦控制算法应用到该对象中,给出了算法的实现步骤。仿真结果表明,所提PSD网络算法不仅具有PSD算法的能克服对象的滞后、参数时变且简单易行的特性,而且具有一定的解耦能力。