本文以玻璃窑炉的温度控制系统为研究对象，探讨了工业过程控制中时滞非线性复杂系统的智能控制算法。　　 窑炉温度是系统运行中一个主要的监控参数，维持温度稳定是保证产品质量的必要条件。本文首先介绍了玻璃窑炉的结构、工艺流程以及生产对温度控制系统的要求，分析了窑炉温度系统的动态特性，如大滞后、非线性、不对称等。窑炉温度系统是一个自平衡过程，其纯滞后时间和时间常数都比较大，干扰因素较多，对象参数具有非线性和时变性等特点，过程的不确定性较大，因此属于复杂过程系统。传统的控制方法主要是传统的PID控制。虽然这种方法在工作点附近的小范围内能够取得较好的控制效果，但在系统运行工况有较大波动时，由于纯滞后及参数变化的影响，控制效果明显变差，有较大的局限性。进一步介绍了Smith预估、模糊控制，并作了一些仿真比较，从仿真结果中分析可知，智能控制算法能很好的解决璃窑炉的时滞现象。　　 论文重点介绍了RBF神经网络，包括基于RBF神经网络的PID控制、基于模糊RBF神经网络的PID控制，基于RBF神经网络辨识的神经元PID模型参考自适应控制，并针对玻璃窑炉的大滞后特性做了相应的仿真研究。然后通过现场采集的数据，包括燃料流量、助燃风流量和窑炉温度，利用RBF神经网络的控制算法对玻璃窑炉进行模型辨识，并应用基于RBF神经网络的PID控制方法进行控制，通过与传统PID控制器的控制效果比较，显示出前者的优越性。控制算法仿真实验表明本文采用的基于RBF神经网络控制方案具有较好的控制效果，控制器具有较好的调节能力、在线自学习能力和鲁棒性。　　 论文的最后简要介绍了玻璃窑炉的工业控制，如DCS控制及人机界面的设计，阐述了基于RBF神经网络的智能控制方法在玻璃窑炉控制系统中的实现方法。