随着科学技术的发展和工业生产水平的提高,电加热炉已经在冶金、化工、机械等各类工业控制中得到了广泛的应用,并且在国民经济中占有举足轻重的地位.工业电加热炉的主要用途是供机械工业对原材料、毛坯、机械零件加热用.但是,目前国内的电加热炉温度控制器仍在使用继电-接触器控制或常规PID控制,自动化程度低,动态控制精度差,满足不了日益发展的工艺技术要求.电加热炉由电阻丝加热,温度控制具有非线性、大滞后、大惯性、时变形、升温单向性等特点.因此已不能采用那些基于数学模型的传统控制方法对其实现有效的控制,必须寻求新一代的控制策略.该文针对电加热炉这一控制对象,借助MATLAB的强大仿真工具,对传统PID控制和基本模糊控制进行了仿真实验,仿真结果不是很理想.针对上述电加热炉控制中存在的问题,该文设计了参数自调整模糊控制器.提高了控制精度,仿真效果很好.模糊逻辑是一种可以模仿人脑思维的控制技术,它以人类自然语言的描述方式,把专家的熟练操作经验表达成相应的控制规则,从而能对难以建立数学模型的工业过程实施有效的控制.人工神经网络具有自学习,自适应性以及可以逼近任意非线性函数的能力,可以看作是一种模拟人脑进行的工程模型.该文把模糊控制与神经网络技术相结合,提出了模糊神经网络控制算法,利用梯度下降和最小二乘结合的混合学习算法来对网络的参数进行学习.针对电加热炉的具体工况,网络最好能具有线学习和修改隶属函数形状与模糊控制规则的能力,该文进一步提出多网络自学习控制算法,从而使网络具有"边看边学,边学边用"的仿人控制行为,达到在线不断修正隶属函数和控制规则的目的.仿真研究结果表明了这两种算法的可行性.最后该文从工程实现的角度出发,针对电加热炉温控系统,开发了DSP模糊神经网络控制器,已经完成了DSP模糊神经网络控制器软硬件的设计工作.DSP的高速运算性能是模糊神经网络实时控制的硬件保证.在微电子技术发展的带动下,DSP芯片的功能日益强大,性能价格比不断提高,开发环境日臻完善,应用领域不断扩大.在步入数字化时代的进程中,DSP(数字信号处理器)扮演着举足轻重的角色.DSP技术以及该文所提出的模糊神经网络结构为模糊神经网络控制在工程中的应用开辟了一条新路.