随着工业控制的发展,出现了控制领域很重要的控制方式之一:PID控制.PID具有很强的适用性,鲁棒性强等特点.人们对人工神经网络进行了改进与完善,学者希望将神经网络与PID控制相结合,以此来改进传统PID控制的缺陷.舒怀林教授提出了一种新的神经网络PIDNN,希望把两者的优点结合在一起,能够较好的发挥各自的优势.但是也出现了一些问题:隐含层节点的选取,连接权值任意以及易陷入局部极小等,影响了控制的应用推广.因此,为了可以更好的实现PIDNN的应用和推广,对其进行研究和改进就有非常重要的意义.首先分析了课题研究的背景和意义,国内外学者研究的一些现状及分析,同时也叙述了国内外研究现状存在的一些问题,比如:收敛时间慢,学习时间长,权值连接任意等问题.然后阐述了BP神经网络,BP神经网络的算法表示以及算法程序的实现,接着描述了PID神经网络的原理与算法等相关问题,包括PIDNN前向算法和误差反向传播算法,对PID神经网络的稳定性进行了分析.其次介绍了PID神经网络中的动量项,主要是误差反向传播法以及存在的问题,着重分析了附加动量项法,自适应学习率法.对动量项迭代法进行了改进,在上述的基础上进行了仿真,结果表明收敛速度加快,误差更小.对激励函数进行了分析,介绍了几种常用的激励函数以及很多学者对激励函数的改进.在前面学者的启发下,提出了一种激励函数,进行了改进,并用仿真实验证明了其有效性,实现了激励函数的动态性,扩大了系统的控制范围,避免了麻痹现象的产生.最后对本文研究的内容进行了总结和对未来进行了展望,指出以后要研究的前景与方向.