温度控制系统是工业电阻炉的重要组成部分。由于温度测量元件和电阻炉温度传导产生的延时,使得电阻炉温度控制存在超调量大,温度控制精度不高,调节时间过长等问题。传统的PID控制以及基于模糊控制理论整定的PID控制方法在温度控制中适应性较差、效果不理想,而人工神经网络作为智能控制的一个重要领域,具有较强自学习和自适应的能力,因此在此基础上提出模糊径向基(RBF)神经网络的PID算法,将模糊PID算法和神经网络相结合,可根据温度的偏差及变化对PID三个参数进行优化,达到最佳组合的PID控制,并利用MATLAB的Simulink工具箱做了常规PID、模糊PID以及模糊RBF神经网络PID的仿真对比实验。仿真表明,在添加了RBF神经网络模块之后,系统响应的超调量和稳态误差大大减小,具有较高的稳定性。