电阻炉是工业生产过程中常用的加热设备,其温度控制效果的好坏直接影响到加热的效率和工件的质量,因而对温度控制系统提出了较高的要求。随着控制理论和电力电子技术的发展,工业控制器的强大适应能力和高度智能化正逐步成为现实。其中以单片机为核心的数字控制器因其体积小、成本低、功能强、简便易行而得到广泛应用。但是工业电阻炉的温度控制具有非线性、大惯性、时滞、时变等特点,难以对其建立精确的数学模型,采用PID控制又因其参数固定,不能及时跟踪对象特性的变化,控制效果往往不佳。模糊控制是用于模型结构不确定的复杂系统的有效算法,它通过总结专家经验法建立控制规则,达到对被控对象控制的目的。但由于受认识程度的限制,建立的控制规则常常十分粗糙,并且控制精度欠佳。虽然有学者将模糊系统与神经网络进行结合提出了模糊神经网络控制方法,但当在线对规则进行调节控制时,系统的上升时间仍然较慢。本文在总结国内外研究现状的基础上,通过对电阻炉温度特性的分析,针对模糊神经网络控制方法存在的调节时间长、实时性差等不足,研究了产生这一现象的原因,提出一种具有预测补偿作用的改进模糊神经网络控制算法,给出了确定补偿量的方法,并通过仿真,验证了算法的有效性。建立了以AVR系列单片机ATmega16为核心的电阻炉温度控制实验平台,设计了主控单元、I/O驱动、人机接口等相关硬件电路,进行了数据采集、操作显示、控制算法等应用软件的模块编程,并完成了软件与硬件调试。目前,该电阻炉温度控制系统已在实验室投入运行,仿真与应用结果表明:该智能模糊控制系统控制方案合理,控制算法可行,在很大程度上改善了电阻炉控制系统的动、静态性能,达到了预期目的。