啤酒生产是我国的一个传统产业，为国民经济建设发挥了重要作用。目前国内绝大多数啤酒厂均采用普通Pt电阻测温和单一PID控制，测温精度低，控制效果不理想，导致啤酒质量不稳定。因此，研究如何改进和优化啤酒发酵过程检测与控制策略具有现实意义。本课题在实际设计发酵罐及其温度监控系统的基础上研究以发酵温度为代表的一类大时滞、时变不确定对象的检测与控制策略优化问题，主要工作和创新点在于： ·概述啤酒生产工艺和温控系统特点，分析啤酒发酵温控系统的数学模型，总结常见的控制策略结构和特点。 ·由于过去受到实验条件的限制，对控制策略的研究一般建立在仿真的基础上，而仿真模型往往与实际情况不相符，使得理论与实际产生距离。作为一次全新的尝试，搭建了适合实验研究的啤酒发酵罐多点测温装置，并设计了计算机监控系统，可作为大滞后、时变不确定对象研究不同控制策略的实际控制效果，有针对性地对它们进行改进和优化。该装置还可监测发酵罐内不同深度的温度，进而系统研究罐内温度分布情况。 ·发酵温度的测量误差直接影响其控制精度。由于发酵温度的变化区间小(一般为-1～15℃范围内)、测温现场结露严重，采用普通Pt电阻的测温误差大且结露会引起性能不稳定。为此设计了基于AD590的发酵罐多点测温系统，该系统在发酵温度变化区间测温精度达±0.1℃，且稳定性好并能有效地防止保护管内结露的影响，为实验解决了精确测量的难题，同时也为啤酒发酵温度精确测量提供了一种新思路。 ·进行了多种控制算法和策略的实验研究。利用模糊控制不依赖于对象模型的思想，设计了模糊控制器，与现场常用的PID控制实验结果相比，实验表明模糊控制可操作性强，动态性能优越，而稳态精度欠佳。针对模糊控制现场使用存在的不足进行了改进，设计了模糊～PID控制器，它突破了单一的控制模式，实验表明这种控制模式在现场使用时具有理想的控制品质。 ·啤酒发酵是个动态过程，必须按一定的工艺曲线进行控制，以达到产品的质量要求。国内外文献有关工艺曲线寻优大多建立在发酵过程数学模型基础上，但建立发酵模型困难，模型参数难以获取，且不同生产条件下需要重新实验。为此提出工艺曲线神经网络动态优化的思想，只需通过实验或生产过程中的历史数据，利用神经网络直接寻找蕴含在工艺曲线参数和发酵后质量指标之间的非线性映射关系，在此基础上找到或预测最优工艺曲线参数，在以新工艺摘要温度曲线进行生产的同时，保持模型的动态更新和参数的动态优化。这为工艺人员制定和优化工艺曲线提供一种新思路。关键词:发酵;AD590;多点温度测量;模糊控制;优化;神经网络