在现代工业控制中，非线性系统的最优控制一直是控制领域的难点问题，对于常规的PID控制系统，只是根据热力系统在某一点上的对象特性来设计的，当系统状态变化时，被控对象的动态特性往往变化较大，即被控对象存在严重的非线性，因此，常规PID控制系统在整个工况范围内不可能是全局最优的。当用PID控制非线性系统时，无论对PID如何优化，总是突破不了用线性控制器来控制非线性对象这一局限性，控制品质提高受到限制。人工神经网络采用的是并行分布式系统，采用的机理能克服传统的基于逻辑符号的人工智能的缺陷，主要体现在处理直觉和非结构化信息方面，这与传统的人工智能和信息处理技术是完全不同的，这种系统具有的特点主要体现在自适应、自组织和实时学习等方面。本文是将神经网络在相应的控制结构中当作控制器，主要是为了解决非线性系统在不确定环境中的控制问题，使控制系统稳定、鲁棒性好，具有要求的动态和静态性能，为解决热工非线性系统的建模和控制问题提供了一个可行的途径，文章主要研究的就是在非线性控制过程中，神经网络控制比传统的PID控制有哪些明显的优势。通过对控制效果的分析得知，利用神经网络实现对非线性系统的控制，改变系统的参数，比较神经网络控制与常规PID控制性能的优良，得到的结论是当系统参数发生变化以及加上死区环节时，用两种控制方法使系统达到平衡状态，从仿真曲线可以看出常规PID控制得到的曲线的超调量和调节时间都会增加，但是神经网络控制器的超调量和调节时间都会降低，从结果可以体现出神经网络在某些控制系统中的优越性。