摘 要：针对实际分散控制系统(DCS)的被控过程存在的强非线性动力学特征，本文提出了一种新型智能分散控制系统（IDCS），将神经网络预测控制(NNPC)融合入DCS中，以改善DCS的控制性能。介绍了DCS的系统结构，并详细阐述了NNPC的工作原理及具体操作。本文提出的IDCS为分散控制提供了一种新的可供借鉴的有益思路，具有一定的工程意义。
关键词：智能分散；控制系统
1．引言
1975 年世界第一套分散控制系统(Distributed Control System, 以下简称DCS)一经问世，立即吸引业界人士的目光，并在全球范围内掀起了 DCS 的开发和应用热潮。DCS 是计算机技术和自动化技术相结合发展的结果，综合了计算机技术、网络通信技术、软件技术和输入输出接口技术等前沿技术，并随着计算机技术，人机接口技术，标准化的数据通讯网络及人工智能的发展而得到了长足的发展。所以利用神经网络构建DCS被控对象的内部模型, 可很好的解决非线性系统建模，预测及实时控制的问题。
在实际应用过程中，通过一组在相空间内尽可能均匀分布的激励信号作用于被控对象上，获得实际工况下被控对象的动力学输入与输出特征。再将该实际获得的输入、输出信号作为训练样本作用于一个人工神经网络上，用于训练神经网络，该训练过程既可以离线训练，也可以在线进行，其过程可用图3 表示。
图3. 神经网络模型的辨识过程
4．结论及展望
针对大多数DCS的被控对象具有强耦合、强延时的非线性动力学特征，本文提出了智能分散控制系统(IDCS),将NNPC融合入DCS中，以提高传统DCS的控制性能。文章介绍了DCS的结构
，并详细阐述了NNPC的工作原理及具体操作过程，为DCS提供了一种新的可行的核心控制策略。
当前，ANN在化工，电力系统等大型生产过程中的应用还是十分的有限，本文所提出的IDCS仍处于初期阶段，其理论体系较为粗糙，要应用到工程实际中仍有一定的工作要做。在今后的工作中，笔者将针对工程实际，对本文所提出的IDCS进行完善改进，以早日实现其工程应用。
参考文献：
[1]李鹰，荣军，火力发电锅炉节能环保控制[J]. 电气时代，2007，8：81.
[2]山君艳，陈艳涛，分散控制系统在热电厂自动控制上的应用[J]. 黑龙江科技信息，2007，11：42.
[3]张萍萍，智能控制算法在分散控制系统中的应用[D]. 华北电力大学，2004，北京.
[4]许琦，杨向东，孙国良，电厂化学水处理D C S 的应用研究[J]. 中国电力，2005，38（7）：61-63.
[5]王群京，姜卫东，赵涛等，基于神经网络的无刷直流电机预测控制的仿真研究[J]. 系统仿真学报，2005，17（6）：1490-1493.
[6]程光明，朱志伟，曾平等，压电泵自适应神经网络预测控制的仿真研究[J]. 压电与声光，2010，32（5）：870-873.
[7]程光明，朱志伟，孟凡玉等，基于BP神经网络压电泵输入输出系统的辨识[J]. 机床与液压，2010，38（7）：95-98.
