多,如推广不积极、应用上不成熟、存在缺陷等,但一个很明显的原因就是理论研究尚且缺乏实际应用背景的支持[1]。船舶蒸汽动力系统是一个系统复杂、设备众多的能量转换系统。由于其特殊的工作环境,相对普通电站蒸汽系统而言,船舶蒸汽动力系统具有惯性小、动态过程变化大、各子系统的关联和制约因素多等特点。因此要了解其运行的动态特性,研究船舶蒸汽动力系统的动态模型就十分必要。在实验室中无法复现真实的工业生产过程,条件上往往相差很多。只有寻找具有典型特性的实际研究对象,积极将相关知识投身于实践,才能够更好的促进学习,更好地将理论成果转化为高效的应用技术。神经网络 PID 控制系统是基于实际操作中多次测试得到的锅炉主蒸汽压力数学模型,集自动化仪表技术、计算机技术和自动控制技术为一体的仿真系统。结合 MATLA B 软件及 Simulink 模块,能够很好地完成了仿真设计及应用要求[2]。 1.2 人工神经网络的研究内容人工神经网络可以概括地定义为:由大量简单的高度互联的处理元素( 神经元)组成的复杂网络计算系统。它是在现代神经科学研究成果上提出来的,始于 19 世纪末期, 反映了人脑的若干基本特征,是模拟人工智能的一条重要途径[3]。从某种意义上说,人工神经网络、并行分布处理和神经计算机是统一的概念。神经网络在两个方面与人脑相似: (1)神经网络获取的知识是从外界环境中学习得来的; ( 2)互联神经元的连接强度,即突触权值,用于存储获取的知识。人工神经网络的研究和发展经历了一条曲折的道路,分为兴起、萧条、兴盛和高潮 4个时期。 1986 年,美国的 D.E.Rumelhart 和 J.L.McCelland 及其领导的研究小组发表了《并行分布式处理》一书的前两卷,对人工神经网络研究高潮的到来起到了推波助澜的作用。 Rumelhar t 等人最重要的贡献是提出了适用于多层神经网络模型的误差反向传播