目前,关于脑的计算原理及复杂性,关于其学习、联想和记忆过程的机理以及模拟等方面的研究还刚刚起步。为了详细的理解人脑信息处理的过程,我们以人工的方法模拟人脑的某些功能。这些常用的方法主要包括:人工神经网络和混沌动力学等等。这些学科都属于新兴起的边缘科学,当多种边缘学科发展起来之后,人们往往会注意研究各学科之间的联系,找出其共同的本质。对于人工神经网络和混沌动力学的研究也是如此。具有混沌特性的人工神经网络,其动力学特性十分复杂,它们获得了广泛的研究,并区别于仅具有梯度下降特性的常规神经网络,具有混沌特性的神经网络具有更加丰富的和远平衡点的动力学特性,并且存在各种吸引子。这种复杂的动力学特性在信息处理和优化计算等方面获得了广泛的应用前景。本文所作的主要工作包括以下几个主要方面:系统地介绍了混沌的基本概念和定义、混沌的主要特征、混沌的测度等。给出了BP网络的结构,BP算法的过程和步骤,以及BP算法的改进。给出了提高收敛速度的一些常用方法,针对BP学习算法易于陷入局部最优的不足,提出了一种利用混沌映射的学习算法,利用混沌的遍历性和模拟退火算法进行一维搜索。这种方法可以到达全局最优点。以电热前床自动控制系统为研究对象,提出了一种基于BP混沌神经网络整定的PID控制方法,并给出了系统设计及软件开发。由于神经网格所具有的任意非经理性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制。电热前床控制实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好。