工业生产过程控制中的被控对象往往是相互关联的多输入多输出系统(MIMO)，如化工精馏塔顶部产品成份和流量、底部产品成份和流量等，都是需要控制而又彼此关联的量。对于这些具有耦合性质的被控对象，若仍采用常用的反馈控制，很难达到满意的控制效果。传统的多变量系统的解耦控制是采用微分几何的方法，其基本思想是基于反馈线性化，即利用状态反馈，将多变量非线性系统化为多个从外部看完全解耦的线性系统。这种方法对被控对象的参数比较敏感，而许多工业系统因其参数和结构的不确定性和非线性特性，难以建立确切的数学模型,因此这种综合方法的应用范围受到了极大的限制。

神经网络由于其具有非线性、高度的容错性、并行处理等特性给多变量时变非线性系统的控制提供了新的方法。本文以蒸汽发生器的压力和流量为耦合对象，用神经网络进行解耦控制，获得了较为满意的控制效果。

目前，神经自适应控制已被广泛研究并得到巨大发展。神经自适应控制的一个发展是从采取BP网络发展到采用其他类型的神经网络。如采用RBF网络的自适应控制，采用递归神经网络的自适应控制，和采用模糊神经网络的自适应控制等。神经自适应控制的另一个发展是从单变量系统到多变量系统。另外，对神经自适应控制方案中的权值学习算法的收敛性以及闭环系统的稳定性进行分析的工作也已经展开。

2. 研究的基本内容与方案

内容：用非线性PI解耦控制结构来控制压力和流量。这是一个两进两出压力罐系统，带压力和流量传感器的电气动压力流量控制阀作为执行机构。

目标：设计良好的解耦控制器，使压力和流量达到设定点。

方法及措施：

基于神经网络的解耦控制理论，对实现的控制系统的参数进行了自适应调整。

神经网络有三层神经网络组成，分别为输入、隐藏和输出层。

定义训练的目标函数，自学改良BP算法对神经网络进行离线训练

用MATLAB仿真调试，查看结果