Dada la gran demora en la temperatura principal del vapor de la central eléctrica y la incertidumbre del modelo, se propone una estrategia de control de la temperatura principal del vapor utilizando una red neuronal radial (RBF) para ajustar el regulador PID en cascada. Se utiliza un algoritmo de aprendizaje mixto que combina el método de los k vecinos más cercanos y el método de descenso de gradiente para construir la red neuronal radial (RBF) e identificar en línea el objeto controlado y ajustar en línea los parámetros del regulador PID principal. Los resultados de la simulación muestran que el regulador PID basado en una red neuronal radial (RBF) con un algoritmo de aprendizaje mixto tiene la ventaja de una alta precisión de control y una rápida velocidad de respuesta, y una mejor calidad dinámica del sistema en comparación con los algoritmos convencionales del regulador PID de red neuronal radial (RBF).

central eléctrica, temperatura principal del vapor, control, método de los vecinos más cercanos, método de descenso de gradiente, algoritmo de aprendizaje mixto, red neuronal radial (RBF), PID