电弧炉系统是一种具有较强非线性、时变性和强耦合的工业生产过程。电极调节系统的性能是影响其生产效益的重要因素,目前普遍采用基于经典控制理论的恒阻抗控制方式。本文分析了电弧炉恒阻抗控制存在的不足,在此基础上针对系统的特点和控制要求,参考国内外电弧炉控制的研究发展方向,研究了一种神经网络智能控制电弧炉的方法,即利用神经网络辨识电弧炉模型并建立电弧炉控制器模型。由于神经网络的训练算法很大程度上决定了其非线性模型辨识能力的强弱,而粒子群算法(PSO)作为全局优化算法对于解决神经网络在逼近多变量复杂模型时存在的局部最优问题有独特的作用,故本控制系统主要根据实际现场收集的样本数据,采用PSO来训练神经网络权值,极大地提高了神经网络映射能力和训练速度,从而离线辨识了实际电弧炉的模型,进一步优化了控制器模型,保证了高品质的控制性能。此外,系统在神经网络控制模块的基础上还设计有恒阻抗专家系统,以确保炼钢过程的安全可靠,从而弥补单一智能控制策略的不足。该系统能较好地适应负荷变化和外部干扰,其控制性能优于常规电弧炉控制系统,从而可以节能降耗,提高生产效率。为验证本控制方案的效果,搭建了以计算机、数据采集卡和硬件电路为基础的控制系统软硬件混合实验平台。使用VC++6.0开发工具,编程实现了训练算法、控制算法和控制界面等组成的基本系统软件,在混合实验平台上进行了仿真研究。研究结果表明了控制方案和算法的正确性与有效性,具有一定的实用价值。