传统的PID控制采用基于数学模型的方法,稳定可靠,应用广泛。然而,随着工业技术的发展,控制对象的复杂程度也在不断加深,对于一些无法建立精确数学模型的控制对象,传统的PID控制显得无能为力。而神经网络的兴起为这一问题的解决提供了新的思路。神经网络能够学习和适应严重不确定系统的动态特性,因此有很强的鲁棒性和容错性,将其与PID控制器结合,可以处理那些难以用模型和规则描述的过程,在一些不确定系统的控制中已成功应用。本文主要做了两部分工作:首先,针对BP算法的缺点,用LM算法优化神经网络的训练,同时,针对LM算法中学习速率的选择和逆矩阵的求解这两个严重影响训练时间和收敛精度的问题,对LM算法进行改进和优化,提出三种有效的改进方法,并给出算法的MATLAB语言编程实现;其次,将改进后的BP网络算法应用在PID控制器的参数优化上,并提出相应的MATLAB实现步骤。论文以加热炉的炉温控制为模型,对上文提出的改进的神经网络PID控制算法用MATLAB语言编程,并调试运行,进行了控制仿真实验,将控制效果与PID控制算法、基本BP神经网络PID控制算法以及LM算法改进的LM算法进行对比研究。结果表明,在训练速度和收敛精度上,经过改进的LM算法优化的BP神经网络PID控制算法明显优于其他算法,证实了新算法的有效性和实用性,达到了研究预期的目的。