全文总字数：7131字
关键词：神经网络；PID控制；自适应学习摘要：本文主要根据神经网络的发展、PID控制的发展、神经网络在PID控制方向上的应用以及两者结合后在生产实践活动中的应用这四个方面展开叙述。首先对神经网络的发展进行介绍，从人工神经网络的起源、类别、演变和应用着手，介绍神经网络主要思想；其次，介绍PID控制方法的发展和应用，比较传统的PID控制方法与改进后的PID控制方法，分析两者的利弊；接着，介绍神经网络和PID控制相结合的思想方法，同时对不同神经网络与PID控制相结合的不同方法进行比较分析，联系神经网络的自学习与自适应能力对PID控制进行分析，结合这些方法，举例说明上述神经网络在各种生产实践活动中的应用；最后，通过对比分析这些方法得出结论。
引言
目前，人工智能已经成为比较流行的发展领域，而神经网络极大的促进了人工智能的发展。神经网络以其强大的自学习能力和自适应能力，在控制领域享有较高地位。PID控制是经典控制理论的控制方法，应用十分广泛。随着生产力的发展，原有的控制方法已经无法满足生产力的需要，而神经网络和PID控制的结合能够有效缓解这种问题，能够很大程度上促进生产实践活动的发展，提高生产效率。在工业生产过程中，通过控制水箱等容器内的液面高度可以达到控制某些生产过程的目的，比如蒸汽锅炉的运行、化工反应塔的工作等，类似这样需要控制的参数称作被控对象。当被控对象发生变化时，利用神经网络的自学习能力，结合PID控制，使被控对象进行自适应调节。对实际的生产过程进行数学建模并用数学模型对系统进行分析设计，对实现生产过程的自动控制具有重要的意义。
2 研究现状
2.1神经网络发展及应用
2.1.1神经网络发展概述
1943年心理学家W.McCulloch和数理逻辑学家W.Pitts[1]首先提出了一个简单的神经网络模型，即M-P模型；1949年D.O.Hebb首先提出了一种调整神经网络连接权的规则，通常称为Hebb学习规则；1958年，F.Rosenblatt等人研究了一种特殊类型的神经网络，称为“感知器”；1969年，M.Minsky和S.Papert[2]发表了名为“感知器”的专著，指出了简单的线性感知器的功能是有限的，它无法解决线性不可分的两类样本的分类问题；美国物理学家J.J.Hopfield在1982年和1984年发表了两篇有关神经网络的文章，提出了一种Hopfield网络，求解了旅行商最优路径问题；1986年，D.E.Rumelhart和J.L.Mcclelland等人提出了多层前馈网络的反向传播算法，简称为BP网络。随着科学的发展，基于以上几种基本的神经网络，逐步出现改进的神经网络算法，例如深度神经网络，都在各种生产活动中得到了广泛应用。
2.1.2神经元模型
人工神经网络最初是由人脑内的神经元发展而来的。人工神经元是人工神经网络的基本结构单元，如图1所示。
