造纸工业过程具有高度不确定性、非线性、多变量耦合、大滞后和状态不完全性等特点,利用常规的PID控制很难满足系统的控制要求。人工神经网络对于多输入、输出,非线性复杂系统具有很强的处理能力,它能够以任意精度逼近任意连续非线性函数,对于复杂不确定问题具有自适应能力和自学习能力。本文采用神经网络与PID控制相结合的方法,进行了基于神经网络的预测PID控制理论研究及应用。首先提出了一种RBF神经网络改进学习算法,其主要思想是通过极小化聚类样本的总方差,通过递推k-均值聚类算法对转移函数的中心和宽度进行调整,然后采用递推最小二乘法调整权值,仿真结果表明该算法能大大提高RBF神经网络的建模能力和跟踪性能。提出了两种基于神经网络的控制算法:(1)基于RBF神经网络非线性预测模型的自适应PID控制算法;(2)改进的单元神经PID算法。仿真实验表明,提出基于RBF神经网络非线性预测模型的自适应PID控制算法具有响应快、具有较强的鲁棒性和适应能力;改进的单元神经PID算法算法在大滞后系统中具有自适应性强、控制精度高和控制效果好等优点。最后根据造纸生产中加药过程的工艺控制要求,以及白水浓度存在难以测量的问题,开发了基于组态王和S7-300PLC的计算机综合控制系统,并设计了白水浓度的智能控制策略。运行结果表明,该系统调节速度快,控制精度高,抗干扰能力强,系统稳定可靠,很好地满足了生产工艺的要求,提高了经济效益。