中和工序是明胶生产重要工序之一,中和工序的平稳对明胶的生产有着重要的意义,生产实践表明,中和水pH值的大小直接影响着明胶的性能指标,如胶液的粘度、透明度等,中和水的pH值在3.8-4.2之间为最佳,既保证了粘度,又提高了透明度,故本文选择控制期望值为4.0。为了对中和水进行精确的控制,必须首先建立中和水pH值模型。由于中和水本身的非线性及时滞性,难以建立精确的数学模型,但是,神经网络可在一定的条件下,能对任一非线性函数以任意精度进行逼近,故本文从现场采集了大量的数据,并对其进行了归一化处理,对改进的BP神经网络分别进行了训练和测试。仿真结果表明基于改进的BP神经网络的输出和系统的实际输出有较好的拟合度,说明采用改进的BP网络对中和水模型辨识效果良好。中和水是一个复杂的控制对象,具有滞后、时变和非线性等特性。传统的控制策略由于参数的难整定,自调整能力差,严重依赖现场操作人员的经验,控制效果较差,本文将基于改进的BP神经网络辨识出的中和水作为被控对象,根据工艺要求,分别设计了模糊控制器和模糊神经网络控制器,并对其进行控制。仿真结果表明模糊神经网络的控制方法能够在线调整隶属度函数,优化控制规则,将其应用于明胶中和水控制中可以快速、准确地达到期望值,超调量小。为了验证其抗干扰性能,在1200s时,加入一个幅值为0.2的阶跃扰动信号,结果表明模糊神经网络控制器的抗干扰能力也优于模糊控制器的抗干扰能力。最后,对明胶生产中和工序的自动化软硬件进行了介绍。采用OPC技术,实现了WinCC与MATLAB之间的数据交换,从而为模糊神经网络控制器在中和工序的实现提供主要的技术手段。