PID控制算法简单、鲁棒性好且规则容易理解,被广泛应用于工业过程控制中。但随着工业生产的发展,对象越来越复杂,传统PID控制的弊端日益暴露。模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力。针对复杂非线性对象,利用神经网络与模糊控制的优点,设计PID控制器的在线调整控制系统,改善系统性能,无论在理论还是实践上都将具有重要意义。本文在吸取传统的经典控制理论强大的分析能力基础上,结合神经网络和模糊控制的特点,将模糊神经网络控制与传统PID控制相结合,明确了模糊神经网络对于解决传统过程控制问题的重要地位。设计了一种基于模糊神经网络的智能优化PID控制器,采用遗传算法优化模糊神经网络的参数,包括隶属度函数均值c₀、标准差b₀及网络输出层所对应的连接权系数w_ij,在线更新PID参数。文中给出了基于模糊神经网络智能优化PID控制系统的结构及控制器的一般算法,并讨论了利用VC语言实现控制器软件化的方法。同时对TE过程,利用该模糊神经网络智能优化PID控制器对其进行了仿真控制研究,仿真结果表明基于模糊神经网络的智能优化PID控制器具有良好的控制效果,有着广阔的发展前景。