单元机组协调控制系统的被控对象之间存在强耦合,且响应特性差异巨大,常规机炉协调控制系统的控制策略一般不能满足电网对单元机组协调控制的要求。常规PID控制算法原理简明,参数物理意义明确,理论分析体系完整且应用经验丰富,但鲁棒性比较差。而神经网络具有很强的逼近任意非线性函数的能力,并具有自适应学习、并行分布处理和较强的鲁棒性及容错性等特点。将传统PID控制与现代控制和智能控制理论相结合,能在很大程度上改善控制对象的控制品质。基于PID和神经网络的上述特点,将神经网络与PID控制相结合,提出了一种神经网络解耦PID在线调整控制器参数的控制策略。结合BP神经网络的学习算法和工作原理,详细分析了利用神经网络自动调整PID控制器参数的算法、原理和实现步骤,以及利用神经网络对多变量强耦合系统进行分散解耦的算法、原理及其实现步骤。神经网络通过自身在线学习对强耦合系统进行解耦,神经网络PID控制器根据对象参数发生变化时,系统误差的变化来调整神经网络的权值,以此来改变网络中比例、积分和微分作用的相对强弱,使系统具备较好的动态和静态性能,实现系统解耦控制的要求。最后,用所设计的控制系统对单元机组进行了大量的仿真研究。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,控制方案切实可行。有效地避免了单纯PID控制鲁棒性差的不足,满足实时控制的要求,对于研究非线性、参数时变的强耦合控制系统提供了一种新的思路,具有一定的理论意义和广阔的应用前景。