氧化铝浓度的控制一直是电解铝生产过程的关键,本文以**电铝公司的电解铝生产过程中氧化铝浓度的控制为研究背景,将智能特征建模理论、单神经元自适应控制和神经网络软测量等方法应用到氧化铝浓度的控制系统中,达到了一定的控制效果。传统氧化铝浓度控制的方法基本有两种:一是在设计中构建数学模型,从而实现精确控制,但生产过程复杂多变,导致难以建立准确的数学模型来控制氧化铝的浓度。二是智能控制技术,将现场试凑作为氧化铝浓度控制实现的主要途径,但试凑受高温、大电流、恶劣环境等诸多不利因素影响,难以实现高效控制。本课题设计的智能特征建模理论,建立集上述两种控制方式优点于一体的模型,可以科学地综合模糊与精确模型、定性与定量模型,从而提高控制精度,使氧化铝浓度的控制更优化。本课题以智能的控制理论为基础,通过智能模型、单神经元自适应PID控制、Elman神经网络、最小二乘法等相关理论进行分析,针对氧化铝浓度和表观电阻之间的关系进行综合分析,根据分析得到的数据,构建氧化铝浓度的智能模型,模型包括搭建加料与表观电阻间的控制模型、工作区域的模型、表观电阻与氧化铝浓度的特征模型、定性估计模型、综合集成模型等。根据模型设计了整套控制系统,进行了仿真,与原来方法比较,此方法在控制氧化铝的浓度上较以前的方法效果更优。对于整个系统,由于被控对象本身的许多不确定特性,需要实时在线辨识控制模型参数,故控制系统的工作量为增加,控制系统的实时性也随之降低。后期将投入更多的时间对这些问题进行深入地研究。