温度控制是当今世界各国工业中面临的重要问题,加热炉温度控制过程是一个复杂的非线性的物理过程,传统的控制策略不能达到理想的控制效果,通过更先进的控制策略达到更好的温度控制效果已成为共识。近几年,从工业过程特点出发提出的内模控制方法对过程和环境的不确定性有较好的适应能力,所以本文针对电加热炉的特点,应用内模控制进行加热水温度的内模控制设计,但是温度对象动态特性具有滞后大、惯性大、干扰强和非线性等典型特点,难以建立精确数学模型。为了解决这一问题,本文采用了一种基于BP神经网络的加热炉温度系统内模控制的设计方法,并结合本院过控实验室的工控试验装置中电加热炉为对象来进行研究设计。首先,本文对加热炉系统做了分析,并确定了控制对象和策略。为建立加热炉温度控制系统模型,对神经网络算法进行研究,采用BP算法和内模控制策略相结合的新算法,并对此算法进行仿真,分析,验证此种算法应用与电加热炉的可行性。然后,结合电加热炉温度控制过程特点分析,将上述算法成功地应用于温度控制过程,建立了该系统的神经网络模型。该模型可用于温度控制过程状态变量的估算和预测。再后,本文根据BP神经网络具有参数线性化的结构特点设计了基于BP神经网络的非线性内模控制器,将该控制器应用到温度控制过程,以加热器驱动电流量为被控变量,进行仿真实验,并给出了硬件设计方案。最后,根据BP神经网络算法运算量大,算法复杂等特点,本文采用了数字信号处理器(DSP)做为硬件的控制器部分。本文通过对加热炉温度控制系统神经网络内模控制方法的研究,尝试了将神经网络智能控制技术引入加热炉温度控制领域。仿真实验表明,基于神经网络的内模控制系统具有很强的自学习性和自适应性以及良好的鲁棒性,对非线性的生化反应过程可实现准确控制,达到较好的效果。