1. 研究目的与意义
在如今的大部分工业中均采用自动控制系统来大量的节约资源，或者说是工业成本，而在这些自控系统中90%以上的控制器是使用PID控制器，这里的原因是PID控制算法内容比较简单、容易实现、控制效果好等特点。然而在实际生产过程中，对象的特性和模型随外界都在发生着变化，所以当系统运行一段时间后，由于某些原因会使得已经整定和优化好的 PID控制参数改变，从而影响系统的正常运行，并导致控制效果变坏。而通过基于人体神经网络的PID 控制算法的研究，可及时对PID控制参数进行整定，使得 PID 控制能够更好的满足人们和工业过程的需求。
2. 国内外研究现状分析
喻宗泉在《神经网络控制》一书中提到神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。 神经网络控制是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。 宋滨 谷丽娜在《基于神经网络的PID控制》一文中讨论了基于神经网络理论的PID控制 ,并将其应用到了直流调速系统的仿真中 ,仿真结果表明它具有良好的鲁棒性。 李春香 钟碧良 毛宗源在《基于神经网络实现的PID控制器》一文中介绍了一种基于神经网络自学习ＰＩＤ控制器。该控制器不仅具有自学习自适应能力，而且具有自调整比例因子功能。实验表明，该控制器能够提高温度控制系统的动态特性和对环境的鲁棒性。
3. 研究的基本内容与计划
一．研究内容1.绪论 1.研究的目的及意义 PI D 控制是工业控制中最常用的方法. 但用其对具有复杂非线性特性的对象或过程进行控制难以达到满意的效果神经网络PID控制不仅包含有常规PID的控制思想,而且具有神经网络的非线性映射能力,学习能力和自适应性,使之成为不依赖模型的控制方式 .2.传统控制理论及PID控制器应用现状 传统控制理论在应用中面临的难题包括：(1)不适应非线性系统的控制。(2)不适应时变系统的控制。(3)不适应多变量系统的控制。 传统的ＰＩＤ控制器由于结构简单、易于调整，以及特别适用于可建立精确数学模型的确定性控制系统等优点，至今工业过程控制８０％回路还都采用的是PID控制策略。3.神经网络的发展及在控制领域的应用 神经网络即人工神经网络是由人工神经元（简称神经元）互联组成的网络，它是从仿生学的角度对人脑的神经系统进行模拟，使机器具有入脑那样的感知、学习和推理等智能。神经网络发展至今已有半个多世纪的历史，概括起来经历了三个阶段：２０世纪４0-６０年代的发展初期：７０年代的研究低潮期；８０年代，神经网络的理论研究取得了突破性进展。4. 本课题研究内容及章节安排2.PID控制算法及其改进 1.PID控制方法概述 PID控制器参数自整定是一种依赖对被控过程动态特性的识别，自动计算PID参数，其控制器参数是在系统辨识或对象特性参数识别的基础上，由自整定机构自动地予以整定。PID参数自整定方法主要归结为以下三大类：一是辨识方法，二是在线模式识别方法，三是基于知识推理的方法。 2.常规PID控制算法的理论基础PID控制系统结构如主要由PID控制器和被控对象所组成。而PID控制器则由比例、积分、微分三个环节组成。它的数学描述为： u(t)＝Kp*[e(t) (1/Ti)*∫e(t)dt Td*de(t)/dt]式中，Kp为比例系数；Ti为积分时间常数；Td为微分时间常数。 3.改进型PID控制器3.基于神经网络的PID控制器设计 1．基于神经网络的PID控制原理根据系统的运行状态，调节PID控制器的参数，使其达到某种性能指标的最优化，即使输出层神经元的输出状态对应于PID控制器的三个可调参数Ｋp,Ｋi,Kd，通过神经网络的自身学习、加权系数调整，从而使其稳定状态对应于某种最优控制规律下的PID控制器参数。2. 基于神经网络的PID控制算法3. 基于神经网络的PID控制仿真研究用MATLAB对神经网络PID控制结构进行仿真分析4.总结与展望二．研究计划：⑴2月下旬3月中旬：收集论文所需的相关资料，加以选择整理后，列出论文提纲；⑵ 3中旬4月中旬：按照论文提纲，结合相关资料完成论文初稿；⑶ 4月中旬5月上旬：在初稿的基础上进行修改，补充完善，出论文正稿；⑷ 5月下旬：准备论文答辩。
4. 研究创新点
在乙酸生产中反应釜温度控制的PID智能整定算法研究，以解决反应釜温度随化学反应进行而放热对通入的物料及蒸汽量变化的影响
