随着人们对生活质量要求的提高,人们对室内温度变化的指标提出了近乎苛刻的要求。由于广泛应用于人们日常生活中的供热温度控制系统存在复杂、时变和时滞等特性,而复杂非线性难以建立其精确的数学模型,在能量传输过程中形成的时滞使扰动不能被及时的察觉到,调节效果不能被适时反映,因此大大降低了控制系统的稳定性能,容易导致较大超调量和较长调节时间,严重影响被控系统的控制品质。虽然PID控制一直在自动化控制中发挥着巨大的作用,但对于复杂的非线性或难以建立精确数学模型的控制对象采用普通的PID控制是很难得到满意的控制效果和控制精度的。本论文首先介绍了供热系统及其建模,而后对PID控制的两种形式—位置式和增量式PID控制进行了仿真对比研究。第四章介绍了神经网络PID在温度控制中的应用、BP神经网络引入PID控制器中作为其参数自整定的方法,提出了BP神经网络PID控制方法,导出了其学习算法并进行了仿真实验。实验包括了阶跃响应曲线和正弦波的跟踪曲线仿真,仿真结果表明由于神经网络的加入使得系统具有自适应的能力,使对对象变化和时滞有很好的调整作用,保证了系统正常运行。第五章将DRNN网络应用于温度控制系统中,用DRNN网络辨识对象的输出对控制输入变化的灵敏度信息,经仿真实验表明基于DRNN的BPPID神经网络控制对动态干扰有很好的控制作用,提高了控制精度。经大量仿真对比可看出,经采用本文所提出的控制算法的控制器对非线性和时滞对象有很强的适应性和鲁棒性。