1 引言

　　新一代的可编程计算机控制器(Programmable Computer Controller，简称PCC)以其高可靠性、编程方便、耐恶劣环境、功能强大等特性已成为工业控制领域中增长速度最迅猛的工业控制设备，它能很好地解决工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题[1]。神经网络控制算法能够方便地解决工业控制领域中常见的非线性、时变、大滞后、强耦合、变结构、结束条件苛刻等复杂问题。其魅力主要在于：(1)能够充分逼近任意复杂的非线性关系，从而形成非线性动力学系统，以表示某些被控对象的模型。(2)能够学习和适应不确定性系统的动态特性。(3)所有定量或定性的信息都分布储存于网络中的各神经单元，从而具有很强的容错性和鲁棒性。(4)采用信息的分布式并行处理，可以进行快速大量运算[2]。将PCC和神经网络、PID控制算法结合，可以解决很多复杂的实际问题，并产生巨大的经济效益。基于PCC的神经网络PID

　　控制器是以纯软件实现的，对于PCC硬件模块除了最基本的硬件配置(CPU、应用程序内存地址区)以外不需要其它的额外配置，并且神经网络的输入节点个数可以根据实际控制问题在软件中很方便的实现，从而可以设计一定被控对象的控制器。

　　在复杂的控制系统中，神经网络具有任意非线性表示能力，可以通过对系统性能的学习，对PID控制算法中的Kp,Ki,Kd三个参数进行非线性组合，实现神经网络自适应控制器。为了使该控制器具有更强的自适应能力，采用神经网络预测模型对控制对象进行非线性预测，得到控制对象较为精确的预测输出值，根据预测值对神经网络的加权系数进行修正。