恒溫水浴鍋是化學實驗、化工生產中常用的控溫設備。市場上所售恒溫水浴鍋大多控溫熱慣性大，恒溫性能差，很難滿足溫度控制指標要求。為此，提出基于模糊RBF神經網絡PID控制恒溫水浴鍋系統的研究方法，首先，在控制水浴鍋水溫度過程中，通過提取控制溫度的PID參數，生成最優模糊域，根據模糊域范圍，輸出在不同溫度下適當的調節值，應用RBF神經網絡自我調節，使產生數據通過輸入層、模糊化層、模糊推理、輸出層，將信號傳遞水浴鍋內的加熱絲，以此實現高效溫度控制，解決了裝置控溫調節時間長、超調量大、甚至出現震蕩等問題。為實現精確恒溫水浴鍋控溫在工業生產中廣泛應用提供技術支持。

水浴鍋、電熱套筒加熱等是普遍的控溫裝置，尤其水浴鍋，在化學是實驗室、化工生產過程中應用十分廣泛，其控制對象精確程度將會影響工業產品的質量，怎樣使控制對象快速達到預期狀態，是我們研究的重點。針對溫度控制的精度和魯棒性研究問題，國內外學者展開大量研究。采用 Delta V 控制算法對加熱爐進行控制，雖然操作簡單，但是控制精度不太理想。采用改進蟻群算法來確定PID 的最優值，但是系統在加熱過程中加熱對象達到期望溫度時間較長，且系統實時性不夠好。文獻 [3] 采用改進粒子群算法控制加熱爐，控制效果不錯，但是該算法容易陷入局部最優，使迭代出來的參數不是最優，文獻  采用 PI 自整定參數調節控制系統的溫度，該方法大多依賴于工程師的經驗，該算法僅對于某種特定的控制系統有效， 增量式 PID 控制器控制發動機的溫度，該方法在最佳性能下對應的溫度不是定值，存在一定的差異；文采用基于模糊 PID 減小了爐溫波動，通過 Simulink 仿真來模擬實際溫度，目前仍存在被控對象數學模型與實際存在偏差，文獻[7] 提出了粒子群優化串級 PID 來控制水浴鍋的溫度，可以快速、穩定控制溫度，但是串級控制過程對每個鍋溫度控制比較復雜。

采用 Smith- 模糊 PID 控制器用于橡膠擠出機料筒溫度控制，Smith 預估控制可以提前補償溫度滯后現象，提出了一種全階狀態觀測器來控制加熱爐溫度，上述論文提供了極大的參考價值。為解決仿真中建立的數學模型對水浴鍋加熱中非線性模型存在誤差，提出了在仿真軟件中建立物理模型，來實現溫度在水浴鍋中溫度傳遞，通過 Fuzzy-RBF 神經網絡 PID算法，將具有自我學習的智能算法和模糊 PID 控制器有機結合起來，來控制水浴鍋的溫度，以此達到克服控制過程中的非線性，增強系統的魯棒性，提高系統控制質量，降低了外界變化給系統造成不良影。