随着工业控制的发展，控制系统变得越来越复杂，大部分工业生产中的被控对象都是相互关联的多输入多输出系统，用常规的单输入单输出的控制方法很难得到理想的解耦效果，因此围绕多变量耦合系统，应用智能控制的方法对多变量系统实现解耦控制。为了获得满意的解耦效果，本文将神经网络算法以不同的方式与PID控制相结合，由于神经网络有着强大的自学习和自适应能力，使其可以适应多变量耦合系统的非线性问题。本文以多变量耦合系统为研究对象，先对传统的对角阵解耦法进行研究，分析对角阵的解耦原理，构建了Simulink仿真结构图，得到多变量解耦仿真曲线；然后对PID神经元网络多变量解耦进行研究，构建了该方法的多变量解耦控制器，应用Matlab对该算法进行编程，并对多变量耦合系统进行仿真，得到了良好的解耦效果；最后主要研究BP神经网络PID的多变量解耦，构建出多变量解耦控制器，应用Matlab进行编程仿真，得到很好的解耦效果。将以上三种方法的仿真曲线比较后得出BP神经网络PID的解耦效果是最好的。该研究以沈阳大学装备制造重点实验室的过程控制系统为主要应用背景，该系统以西门子的SIMATIC NET工业通讯网络和软件、硬件设备为平台，以上水箱液位与出水口温度耦合系统为应用对象，通过阶跃响应曲线法构建出该耦合系统的数学模型，作为以上三种方法的仿真对象，并将BP神经网络PID多变量解耦控制器应用到实验设备上，运用DDE技术使WinCC与Matlab实现数据交换，进而实现解耦控制。实验结果表明，BP神经网络PID多变量控制算法对实际系统可以实现有效的解耦控制。从仿真和实验结果可以看出，BP神经网络多变量解耦不但比其他两种方法的解耦效果好，而且在实际应用中也能得到很好的解耦效果，具有一定的应用价值。