由于電加熱爐是溫度參數的定值控制，且存在干擾和對象參數變化的情況，為驗證改進BP神經網絡PID控制的效果，分別對其跟蹤設定值特性、及適應對象參數變化的能力進行仿真研究，并與基于傳統(tǒng)BP神經網絡PID控制器的控制效果進行比較分析。圖3為單位階躍響應曲線，圖4為過程對象單位階躍響應曲線是在控制器參數不變的情況下改變對象G(S)參數的仿真結果。(注:以下各圖中實線或“I”均表示改進BP神經網絡PID控制結果，虛線、點線或“T”表傳統(tǒng)BP神經網絡PID控制器的控制結果;A、B、C分別表示G(S)三種參數變化了的模型)
　　
　　從仿真結果看，改進BP神經網絡PID控制器比傳統(tǒng)BP神經網絡PID控制器在控制性能上有了一定程度的提高，尤其是在系統(tǒng)穩(wěn)定時間和抗干擾性方面的優(yōu)化較為明顯。這主要是因為在BP算法中采用了改進共軛梯度法，加快了BP算法的收斂速度，從而保證了系統(tǒng)穩(wěn)定時間較短，又具有較好的泛化能力，因此，具有較強的抗干擾和適應參數變化的能力
　　
　　4 結論
　　
　　改進共軛梯度BP算法在不增加算法復雜度的情況下，通過梯度的共軛方向來尋求網絡的全局最優(yōu)值，從而避免網絡陷入局部極小值。本文將其替代傳統(tǒng)的BP算法構造智能PID控制器，并進行了以電加熱爐為模型的控制系統(tǒng)仿真。結果表明，這種改進算法能夠有效提高網絡的訓練速度，改善網絡的收斂性能，避免網絡陷入局部極小值，取得了良好的控制性能。