常規PID控制算法對于大部分工業過程的被控對象控制效果良好，但是對于反應釜溫度的時間滯后問題，PID控制算法在控制溫度跟蹤變化曲線時存在振蕩和精度低的缺點。PID控制算法是按偏差的比例（P）、積分（I）和微分（D）進行控制的PID控制器（亦稱PID調節器）是應用最為廣泛的一種自動控制器。它具有原理簡單，易于實現，適用面廣，控制參數相互獨立，參數的選定比較簡單等優點；而且在理論上可以證明，對于過程控制的典型對象──“一階滯后＋純滯后”與“二階滯后＋純滯后”的控制對象，PID控制器是一種最優控制。PID調節規律是連續系統動態品質校正的一種有效方法，它的參數整定方式簡便，結構改變靈活（PI、PD、…）。為了克服反應釜溫度的時間滯后問題，本文結合BP神經網絡控制策略，采用基于BP神經網絡的PID控制方法對其進行控制，反應釜溫度能自動跟隨給定的溫度曲線，滿足工藝要求。

1 反應釜溫度控制系統

反應釜按反應的特性可以分為吸熱反應和放熱反應。一般來說，聚合反應屬于放熱反應，而裂變反應屬于吸熱反應。化學上把最終表現為吸收熱量的化學反應叫做吸熱反應。吸熱反應中反應物的總能量低于生成物的總能量。生成物中的化學鍵的能量（鍵能）越強，穩定性越強；能量越弱，穩定性越差。反應釜的操作流程一般包括如圖1所示的四個階段。

圖1中恒溫段是反映工藝的關鍵階段，對于產品質量和產量有著重要的影響，所以提高恒溫段的控制精度是提高產品質量的關鍵。

實際反應過程中常伴有強烈的放熱效應，使反應溫度有所變化。針對反應釜溫度控制的特點，本文采用基于BP神經網絡的PID控制方法。

2 基于BP神經網絡的PID控制算法

其結構如圖2所示，輸入層神經元的個數取4，分別對應于輸入r、輸出y、誤差e和單位1，隱含層神經元為5個，輸出層神經元分別對應PID控制器的3個可調參數kp、ki、kd。工業生產過程中，對于生產裝置的溫度、壓力、流量、液位等工藝變量常常要求維持在一定的數值上，或按一定的規律變化，以滿足生產工藝的要求。PID控制器是根據PID控制原理對整個控制系統進行偏差調節，從而使被控變量的實際值與工藝要求的預定值一致。不同的控制規律適用于不同的生產過程，必須合理選擇相應的控制規律，否則PID控制器將達不到預期的控制效果。PID控制器（比例-積分-微分控制器），由比例單元 P、積分單元 I 和微分單元 D 組成。通過Kp， Ki和Kd三個參數的設定。PID控制器主要適用于基本線性和動態特性不隨時間變化的系統。

按照梯度下降法修正網絡的權系數，并附加一個使搜索快速收斂全局極小的慣性項，修正公式為：

3 仿真研究

本文設計的基于BP神經網絡的PID控制結構如圖3所示。

針對反應釜的特性，為了使結果具有代表性，取被控對象時變參數的非線性被控對象的數學模型為：

在第100個采樣時刻，控制器加外部干擾0.20時，仿真結果分別如圖6、圖7所示。

從以上圖中可以看出，與傳統PID算法相比，基于BP神經網絡的PID控制算法的超調量幾乎為0，穩定速度快，而且能夠隨著系統參數的變化自動調整PID控制參數。當在第100個采樣時刻時控制器加外部干擾0.20時，基于BP神經網絡的PID控制算法中的PID參數隨之進行了調整，從而在系統受到外部干擾時影響很小，很快再次達到穩定。

由于反應釜過程的時變、非線性等特點，本文結合神經網絡超強的自學習和非線性逼近能力，提出了基于BP神經網絡的PID控制算法。此算法可保證系統輸出響應快、超調量小、調整時間短、控制精度高，而且具有較強的適應內部參數變化和抗外部干擾的能力。通過對反應釜溫度仿真實驗控制，驗證了這種控制方法的有效性，并通過對比可知其性能明顯優于常規的PID算法。