黑体辐射源是一个典型的非线性定常系统,自身具有大惯性和大时滞性等特性,其特性随炉内温度的变化而变化,为了能够使黑体辐射源的升温速率加快、减小稳态误差、抗干扰能力更强,要求选用具有较高控温品质的控制算法,控制黑体辐射源的温度响应。目前,大多数工业领域广泛运用传统的PID控制算法控制黑体辐射源的温度,但是传统PID控制算法已经不能满足人类的需求了。设计并搭建了低、中温黑体辐射源(三段黑体炉)温控系统的软硬件实验平台。软件实验由MATLAB中的Simulink搭建系统的模块图,完成仿真实验设计。硬件实验的控制系统由北京蓝普锋RPC2106或RPC2107控制器、RPC2312或RPC2311采集模块、XIMADEN-S212ZK固态继电器和可控硅控制器件等硬件共同搭建而成,使用Run Pro(改进的Codesys)软件编写出控制算法的PLC程序并将程序导入控制器中。通过仿真实验和物理实验相结合的方式,采用具有更高控温品质的控制算法,来实现对黑体辐射源的温度控制。对黑体辐射源温控系统进行阶跃响应实验并算出近似的数学模型,依据算出的数学模型进行黑体辐射源温度控制的仿真实验研究,分别将传统的PID控制算法和线性自抗扰控制算法用于实验,提出一种改进的线性自抗扰控制算法即基于BP神经网络的自抗扰控制算法,其原理是使用一定结构的人工神经网络(ANN)任意的逼近非线性函数的性质,再用辨识出的ANN来补偿被控对象中的一部分,可以近似的认为把被控对象的变化范围缩小了,从而提高了线性自抗扰控制器的控制品质。通过实验发现,基于BP神经网络的自抗扰控制算法不仅具有较强的抗干扰能力,也能够加快升温速率,减小超调量和稳态误差。将该算法应用到三段黑体炉(中温黑体辐射源)温控系统中,验证该控制算法不仅在低温温控领域有较高的控温品质,在中温温控领域也同样有较高的控温品质。