电子调速器是柴油机的核心部件,它是提高柴油发动机组调速性能的主要技术手段,它通过控制电磁执行器的齿条位置进而控制喷油泵的喷油量,从而控制柴油机转速。当前在转速控制的策略上大多采取位置环和转速环的双闭环控制方案,工程应用较为常见的策略是双闭环均采用常规PID控制。这种方法简单有效,但是也有缺陷,由于柴油机具有非线性和时变性,因此PID最佳参数会发生变化,而普通PID又不能自动调节参数,因此我们需要将新型智能控制算法与之结合,弥补不足。径向基神经网络智能算法是一种新型的、具有很强自学习能力的算法,将其与普通PID控制,就能实现参数自整定的功能,大大提高学习效率。为了更好地对比验证此算法的优越性,将普通PID、BP神经网络以及径向基神经网络三种算法分别作为控制器算法进行验证。本文研究对象选为D6114型柴油发电机组,在Simulink中进行数学建模,建模方法采取平均值方案,控制器策略以S-function编程的方式写入模块,分别搭建三种不同控制算法下的控制器模型,首先进行离线仿真验证,初步验证智能算法的优越性,且径向基智能算法相比BP神经网络具有更好的鲁棒性和控制性能;然后循序渐进完成半物理仿真,分别将三种控制算法下的模型导入dSPACE中,柴油机本体使用D6114平均值模型,执行器采用实物,通过半物理仿真调试进一步验证径向基控制算法的可靠性等。目前电子调速器一般利用单片机作为处理器,但是此方案周期长,耗费太多时间精力在硬件上,而采用dSPACE作为控制器则可以节省时间精力,将重心放到算法的开发方面。本文采用dSPACE公司的DS1103单板机作为控制器完成实验验证,其中在启动、稳定运行以及加减载动态运行阶段分别完成三种不同控制算法的实验验证,结果表明智能算法较之普通PID具有明显的优越性,而径向基智能算法比BP神经网络更具有鲁棒性和可靠性。