PID控制是控制领域中最为重要的控制方式之一，因为其结构简单、鲁棒性强、易于实现，被广泛应用于石油、化工、建材等各个领域.随着控制理论和技术的发展，对控制方法也不断提出更高的要求.PID控制原理简单，适应性强，但只用于非时变的系统模型，无法从根本上解决动态品质和稳态精度.　　1997年舒怀林教授提出PID神经元网络，神经网络有大量人工神经元连接而成，具有很强的适应性，学习能力及非线性映射能力，而且其鲁棒性和容错能力也很强.融合PID的规律和神经网络的优点，将PID与神经网络控制相结合，得到一种动态网络PIDNN[1]，但PIDNN控制算法存在着局限性，该方法是利用梯度下降法使误差函数达到最小，该系统在收敛时速度很慢，且易陷于局部极小值，当权值变化接近于零时，调节过程几乎停顿下来.在此调节过程中激励函数起着关键作用.　　本文通过分析PIDNN控制算法存在的局限性，提出了对变参的激励函数进行改进，既保证了系统的稳定性，又加快了收敛速度，扩大了适用范围，有效地避免麻痹现象的产生，同时在改进激励函数的基础上加上一个弹性系数使其很快跳出饱和区，实现了激励函数的动态性，同时扩大了系统的适用范围减少区间变形误差的影响，同时也降低误差.用MATLAB仿真测试显示改进后的PIDNN系统的良好稳态性，从实验上验证了算法的有效性.