导读： 由于在线监测仪表远离汽水系统的取样点，取样管道绵长，使得系统具有大时滞性。同时，当锅炉负荷波动较大、药箱中药剂浓度受人为因素的影响、现场干扰和环境条件变化时，被控对象又具有显著的非线性和时变特性。PID控制虽简单、可靠且有成熟的参数整定方法［...
由于在线监测仪表远离汽水系统的取样点，取样管道绵长，使得系统具有大时滞性。同时，当锅炉负荷波动较大、药箱中药剂浓度受人为因素的影响、现场干扰和环境条件变化时，被控对象又具有显著的非线性和时变特性。PID控制虽简单、可靠且有成熟的参数整定方法［3］，但要取得良好的控制效果，PID参数必须要随对象特性变化而调整；况且常规PID算法不适用于大时滞过程控制［4，5］。Smith预估补偿控制被认为是纯滞后对象简单有效的控制方案［6］，但Smith预估器对模型误差敏感 ，当对象特性变化较大时，系统控制品质变坏甚至失去稳定［7～9］。实质上，PID 算法的3种控制作用之间，既相互联系又相互制约，且并不是简单的线性组合，必须用非线性方法在线自适应调整PID参数，才能保证时变对象的控制效果。针对火电厂水质调节加药系统控制，文中提出了基于BP神经网络Smith?PID控制算法，即在Smith控制系统中，用BP神经网络在线自学习整定PID参数，实现控制器参数跟踪对象特性的自适应调整，从而使系统具有很好的动态品质、静态特性和鲁棒性。?
