常减压装置在生产过程中存在较多不可控因素,其控制对象的复杂性、相关性、不确定性是操作的主要难点。为了对系统进行精确有效地控制,传统方法已无法满足需求,须采用先进控制才能实现。本文研究的主要内容是,针对减压塔控制系统中存在的各种问题,选减压塔塔顶温度和减压炉出口温度为被控参数,用神经网络控制方法对其进行仿真试验研究。神经网络能充分逼近复杂的非线性函数,适合解决减压塔温度这类反应滞后、控制缓慢、波动大的时变性问题。首先,简要介绍课题研究背景和神经网络的发展现状、RBF(Radial Basis Function)神经网络的原理和优缺点,为仿真试验奠定理论基础。其次,研究分析了RBF神经网络控制对于单输入单输出系统的控制效果。其中减压塔塔顶温度选用前馈-反馈控制,减压炉出口温度选用串级控制,分别进行仿真。由于该对象控制品质要求高,系统内部相关性强以及对象的时变性问题,设计了传统PID控制模块和RBF自适应神经网络控制模块,并利用MATLAB软件进行仿真试验。传统方法与本文新方法结果对比表明RBF自适应神经网络具有很好的控制效果,能够较好地解决被控系统中存在的问题。常减压装置内部关系复杂,多个参数不能作为控制参数而且还易受到其他参数变化的影响。为解决减压塔塔顶温度和减压炉出口温度之间存在的强耦合现象,分析研究了RBF神经网络控制对于双输入双输出系统的解耦控制效果。设计普通解耦模块和RBF解耦模块,在MATLAB软件中进行仿真试验研究。研究结果表明RBF解耦可得到较好的控制效果。