采用BP神经网络对反馈进行学习，可以根据整个系统运行状态，不断自动调整三个PID控制参数，而不像传统PID控制需要人工调整。因而比传统的PID控制算法更具有良好的灵活性和的适应性。

电厂主汽温的被控对象是一个大惯性大迟延非线性且对象变化的系统。常规汽温控制系统为串级PID控制或导前微分控制,当机组稳定运行时,一般能将主汽温控制在允许的范围内。但当运行工况发生较大变化时,却很难保证控制品质。因此本文研究BP神经网络的PID控制，利用神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定，充分利用PID和神经网络的优点。本处用一个多层前向神经网络，采用反向传播算法依据控制要求实时输出Kp、Ki、Kd，依次作为PID控制器的实时参数，代替传统PID参数靠经验的人工整定和工程整定，以达到对大迟延主气温系统的良好控制。对这样一个系统在MATLAB平台上进行仿真研究，仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力，对大迟延和变对象的系统可取得良好的控制效果。

实测可用。由于大多数做的单神经元都是基于具体的模型，但这个是具有鲁棒性的。

神经网络PID控制器的双轴同步控制初探_田晨.caj

基于忆阻神经网络PID控制器设计_夏思为.caj

BP神经网络PID控制，可以对预定数据进行快速跟踪，误差较小，路径可以根据自己需要设定。

bp神经网络用于PID控制器，训练bp网络实现PID的智能控制

电力电子行业充电机使用神经网络PID和PID两种双闭环控制，模型可直接运行，Ts=1e-6，适合本硕毕业设计使用

预测控制PID算法，自适应控制PID算法，神经网络PID，以及智能控制

本程序是关于BP神经网络的PID算法，可以通过Matlab仿真出PID的控制效果图，在这里我们将会以一个利用系统辨识参数的PID设计为为例展示Matlab仿真PID的过程。