采用将BP神经网络的学习算法应用于PID控制中，使BP神经网络与PID控制算法结合起来，通过吸收两者的优势，使系统具有自适应性。这样系统可自动调节控制参数，更好地适应输入变量的变化，提高控制性能和可靠性。本文从BP神经网络的基本构成原理、学习规则和学习算法出发，设计了基于BP神经网络的PID控制器，并对其进行了仿真分析,结果表明，该控制方案可行、有效。-We apply the learning algorithm of BP neural network to the PID control,

人工神经网络(Artificial Neural Network)是从生理角度对智能的模拟，具有极 高的学习能力和自适应能力，能够以任意精度逼近任意函数，完成对系统的仿真； 而遗传算法是对自然界生物进化过程的模拟，具有极强的全局寻优能力，这两种 算法都是当下研究较多的智能方法。将这两种方法与常规的 PID 控制相结合， 构成智能 PID 控制器，使其具有参数自整定、自适应的能力，以适应复杂环境 下的控制要求，这一思路对提高控制效果具有很好的现实意义。 -Artificia