人工神经网络(Artificial Neural Network,简称ANN )是由大量处理单元广泛互连而成的网络,它是在现代神经科学研究成果的基础上提出的。神经网络以大规模模拟并行处理为主,具有很强的鲁棒性、容错性和自学能力。神经网络对任意非线性函数具有任意逼近和学习能力,使得神经网络对非线性系统和难以建模的系统的控制具有良好效果,而且它在解决高度非线性和严重不确定性系统的控制方面具有很大潜力。神经网络的应用已渗透到自动控制领域的各个方面,包括系统辨识、系统控制、优化计算以及控制系统的故障诊断与容错控制等。冲天炉是铸造生产中熔炼铁水的最基本的熔炼设备之一。冲天炉熔炼过程不但具有非线形、强扰动、大时滞等特性,同时存在底焦燃烧、热量传递和冶金反应三种复杂过程,是一种典型的复杂工业过程。因此,采用传统的建模方法来实现对冲天炉的建模是很困难的。从控制的角度看,冲天炉的熔炼作为一个生产过程,其对控制的要求是比较高的。鉴于其复杂性,人们早期提出的用经典和现代控制理论控制冲天炉的思想在冲天炉未得到根本性改进和熔炼工作标准化之前一直未能取得理想效果。本文首先介绍了课题的研究背景及其选题意义;冲天炉熔炼控制技术的研究现状,并简单介绍了人工神经网络的发展过程;阐述了人工神经网络的基本特征、学习方式及学习规则,研究了两种前馈神经网络:BP神经网络和RBF神经网络,以及它们的学习算法。然后用神经网络对冲天炉进行建模,并以冲天炉的实际数据进行MATLAB仿真。最后针对冲天炉这一复杂非线性系统,提出了用神经网络自适应控制方法来实现对冲天炉铁液温度的控制,利用BP神经网络作为辨识器(NNI)和控制器(NNC),首先对NNI进行离线训练,当NNI训练达到理想效果时,再对NNC进行学习,利用从NNI得到的偏差,NNC可以快速跟上系统的变化,使控制迅速达到理想要求。MATLAB仿真结果表明,这种控制方案是可行的,为其在实际生产中的应用奠定了基础。