电阻炉广泛应用于冶金,化工,机械等各类工业控制过程中。对于一个电阻炉温度控制系统,设计一个控制策略进行控温十分重要。温度控制的关键在于测温和控温两个方面。温度测量是温度控制的基础,这方面的技术比较成熟。但是电阻炉是一种具有纯滞后的大惯性系统,开关炉门、加热材料、环境温度以及电网电压等都影响控制过程,因此如何提高电阻炉控温精度一直是一个重要的研究课题。在电阻炉温度控制中得到最广泛应用的是PID算法,但是对于高阶非线性系统,PID算法的性能有所下降。当系统的模型很难精确描述或系统受环境的不确定因素影响时,使用传统的控制理论很难设计一个好的控制器。由于系统的时变性,扰动和参数不确定性,对电阻炉使用常规算法很难保证控制精度。近年来出现了一种新的理论和技术,无模型学习自适应控制(MFLAC)。其基本思想是利用一个新引入的伪梯度向量的概念,在被控对象的抽象模型一点附近用一系列的动态线性化来替代一般离散时间非线性系统,并仅用被控对象的数据来在线计算系统的伪梯度向量,从而实现非线性系统的自适应控制。它是仅用受控系统输入输出数据设计控制器,而控制器中不包含任何受控系统数学模型信息的控制理论与方法。本文介绍了常规PID控制,无模型自适应控制和BP神经网络方法的基本理论,设计了一个使用BP神经网络补偿的无模型自适应控制策略,并且应用在电阻炉温度控制系统中,对其进行了详细的研究。本文利用labview作为开发环境,设计了一个电阻炉试验系统,完成对系统的监测、控制、数据分析等功能,在系统中可以选择PID控制,无模型自适应控制,带BP神经网络补偿的无模型自适应控制进行实验研究。大量的实验研究表明,使用此控制方法的系统具有良好的鲁棒性和自适应能力。