PLC实现神经网络控制的基本方法如下：
1． 在外部软件中设计并训练神经网络模型，如在Matlab中用神经网络工具箱建立并训练神经网络。
2. 使用工具将训练好的神经网络模型转换为PLC可导入的格式，如C语言代码或函数库。
3. 在PLC中导入转换后的神经网络函数库，调用神经网络预测函数接口实现控制。
4. 在PLC逻辑中根据输入数据调用神经网络预测函数，获取输出结果。
5. 根据神经网络输出的预测结果，在PLC逻辑中实现相应的控制动作。
6. 通过在外部软件中重新训练网络，并将更新的模型导入到PLC中，实现神经网络模型的迭代升级。
7. 也可以直接在PLC中通过函数块实现神经网络算法，但比较复杂。
总体来说，采用混合编程模式，在外部软件训练网络上，放置模型封装为PLC可调用的函数 实现控制，可以比较灵活地在PLC中的碱性神经网络预测的能力。