本文利用PID神经网络(PIDNeuralNetworks，PIDNN)对石灰石/石膏湿法烟气脱硫工艺吸收塔浆液pH值有效测量和控制进行了研究，同时对PIDNN进行了结构和算法上的改进，提出了基于改进PIDNN的pH值建模和控制方法。主要研究成果如下： 1)在介绍PIDNN的结构，特点和学习算法的基础上，引入变速积分与不完全微分PID控制策略，对PIDNN进行改进。同时，网络反传算法采用附加动量项的可变学习率法，以克服一般BP算法收敛速度慢，易陷入局部极小等缺点。系统辨识和控制的仿真研究表明，基于改进PID神经网络(I-PIDNN)的系统辨识较未改进之前具有更好的性能。且控制系统响应速度快，超调量小，稳态精度高，具有较好的自适应性和鲁棒性。同时从理论上分析了算法的收敛性，得到了使控制系统稳定的学习步长取值条件。 2)提出了基于改进PID神经网络的多变量建模方法(M-I-PIDNN)，并应用于浆液pH值的建模。该方法通过影响pH值变化的4个变量建立，并利用一个“门网”结构实现动态集成。多种建模方法的仿真比较表明，基于M-I-PIDNN的建模方法能够更加全面地反映和描述pH值这一复杂系统的全局特性，能够更好地辨识具有大滞后特性的非线性动态系统，其良好的网络预测能力也说明了该方法建模的切实可行性和优越性。 3)将改进PID神经网络引入传统内模控制，提出了基于改进PID神经网络的内模控制方案(I-PIDNN-IMC)，给出了它的结构，分析了它的运行过程，并应用于石灰石/石膏湿法烟气脱硫pH值的实时控制。仿真结果表明，在改进PIDNN的内模控制下，吸收塔浆液pH值很好地跟踪了系统的设定输入及其变化，体现了高度的自适应性。同时系统超调量小，稳态精度高，满足实时控制的要求。该控制系统的实现，为一大类诸如pH值的工业非线性及时滞性过程提供了一种有效的控制方法。