在工业控制中人们喜欢用PID控制器,主要是因为它简单,稳定,可靠,容易调整.然则PID控制应对不了非线性,大时滞,不确定、多变量强耦合等大系统的控制要求.人工神经网络的发展,启发学者将神经网络的精髓融入PID控制中.舒怀林教授提出了融入PID规律的内嵌式神经网络-PID神经网络(PIDNN).该网络的隐含层参照PID三大性能：微分、积分、比例构建.PID神经网络的优势在于它的初始权值可以依赖PID控制律进行设置.但有些控制系统没有积累到PID控制经验,只能随机设置初始权值.而没有规律的初始权值容易让PID神经网络陷入困境.为解决这个问题,很多研究者从各方面对PID神经网络进行改进.本文在上述学者的研究基础上,从网络的输出函数入手,对PID多变量神经网络(MPIDNN)进行了改进.本文提出了一种新的函数模型去替换原MPIDNN的比例阈值函数.接着用MATLAB软件对仿真例子进行实验.改进后的网络比原来的在收敛速度和输入输出逼近方面,都取到了更好的效果.本文的主要内容如下：首先阐述研究的选题背景和意义、国内外相关研究现状.接着介绍了PID神经网络的基础知识—神经网络的相关概念、BP神经网络.其中还叙述了PID控制原理、基于BP网络的PID控制器结构与缺陷等等.其次重点展示了PID神经网络的结构、PID神经网络(单变量控制系统SPIDNN多变量控制系统和的结构,算法).然后阐述了PID神经网络的稳定性定理,MPIDNN交代了初始权值的关键性.PIDNN最后本文从的输出函数出发,提出一种新的输出函数模型替换原网络的MPIDNN输出函数-比例阈值函数.针对一个3输入3输出的耦合系统,进行仿真.仿真图显示改进后的算法的收敛速度明显加快,误差控制得更好.MPIDNN最后阶段本文还对阐述内容做个总结.然后针对本文的研究内容和研究方向,指出这个方向的研究前景和发展空间、还有可以进一步探讨的问题.