在测温技术领域中黑体辐射源是用来校准辐射测温仪器装置,对其温度的高精度控制尤为重要。目前黑体常用的控温算法为PID,由于黑体应用于不同场合以及温度控制要求不断提高,传统PID控制算法不能很好的满足控制需求。因此,本文通过对黑体辐射源温控系统进行研究分析,改进其温度控制算法使其满足更高的实际应用要求。根据课题要求,设计一套温控系统分别控制面源黑体以及空腔型黑体,本文制冷控制对象是一个直径为10mm,厚度为4mm的镓点面源黑体,由于体积较小,受环境等其它因素的影响较大,对其温度控制有一定的困难。目前市面上存在的控制器大都采用PID控制,难以满足课题研究的要求,所以本文重新设计了一个基于单片机Arduino mega 2560的温度控制器,同时改进温控算法以达到其温度控制的要求。以及在对腔体黑体升温模式的控制中,采用传统的PID控制器在控制精度以及稳定性方面难以取得满意的控制效果。针对以上问题,本文在充分分析黑体辐射源的工作原理和提高精度的基础上,将粒子群BP神经网络算法与PID算法结合并应用于黑体的温控系统中。本文首先介绍了面源黑体的基本结构和性能要求,然后对系统的升温以及降温过程进行研究分析,利用MATLAB软件对系统进行参数辨识,最终得到黑体辐射源升温和降温的数学模型。其次,对粒子群BP神经网络PID算法的原理进行介绍,并将其和其它几种算法通过MATLAB/simulink对系统升温及降温的仿真结果进行比较分析。由仿真结果可知,基于粒子群BP神经网络的PID算法具有超调小、精度高、和调节时间短等优点。最后设计并搭建温度控制系统硬件平台,以Arduino mega 2560单板机作为温度控制器,通过离线训练方式将粒子群BP神经网络PID控制算法应用于黑体温控系统,并与标准黑体的传统PID控制效果比较,可得粒子群BP神经网络PID算法较于传统PID算法,具有超调小、精度高和调节的时间短等优点,提高了黑体的控温品质。