En raison du retard important de la température principale de la vapeur de la centrale électrique et de l'incertitude du modèle, une stratégie de contrôle de la température principale de la vapeur utilisant un réseau neuronal radial (RBF) pour ajuster le régulateur de température de la vapeur en cascade PID est proposée. Un algorithme d'apprentissage mixte combinant la méthode des k plus proches voisins et la méthode de la descente de gradient est utilisé pour construire un réseau neuronal radial (RBF) et identifier en ligne l'objet commandé et ajuster en ligne les paramètres du régulateur PID principal. Les résultats de la simulation montrent que le régulateur PID basé sur un réseau neuronal radial (RBF) avec un algorithme d'apprentissage mixte présente des avantages en termes de précision de contrôle et de rapidité de réponse, et une meilleure qualité dynamique du système par rapport aux algorithmes conventionnels du régulateur PID du réseau neuronal radial (RBF).

centrale électrique, température principale de la vapeur, contrôle, méthode des plus proches voisins, méthode de la descente de gradient, algorithme d'apprentissage mixte, réseau neuronal radial (RBF), PID