学习指的是一个过程，在这个过程中，在这个神经网络所嵌入的环境的机理过程中，能够得到调节后的神经网络的自由参数。参数的改变方式决定了该神经网络的学习类型。换句话说，当一个神经网络被一个给定的环境触发激励，这个神经网络自身的参数最终会发生变化，这个参数是在神经网络的内部，改变之后的参数能够用新一个的方式与环境发生响应。从大量不同的实时状态下对PID参数的推理结果中可以看出,当温差较大时，采用神经网络控制,可以让整个系统运行响应的速度变得更快,动态的性质能力也变得更加好;当温度差值比较小时，采用PID控制,能够使其静态性能更好,更能满足系统精度的要求。所以，采用了神经网络-PID控制的基于PLC的温度控制系统与只有一个单回路的PID的控制系统进行对比，加入了神经网络智能模块的PID控制将同时具备两者的长处，并且可以使控制系统更加快速、稳定。

1.3 神经网络算法简介

进几十年来，人工神经网络作为一门新型交叉学科被人们广泛应用，神经网络说白了就是以集中的简单计算和处理单元作为节点，采用一种网式的拓扑结构，组成活性网络，这就可以用来表达各种不是线性的系统[1]。不只是这样子，人工神经网络还有可以具有自己进行学习的能力，记忆能力，计算能力，以及各种智能处理能力，在不同层次和程度上模仿人的神经系统进行信息处理，存储和检索的功能。不同领域的科学家对着神经网络有着不一样的理解、研究内容。神经网络有很多优点[2]。

1.4 课题研究的内容

本课题主要研究了基于PLC的基于PLC的温度控制系统的设计。该设计的主要目的是根据指标要求，设计一个利用PLC400以及SMPTLAB等硬件装置的的基于PLC的温度控制系统。课题分析反应器的工艺流程和对象的性质，分析控制的要求和系统安全保障的要求，利用PID控制以及神经网络算法整定PID控制器并且观察整个系统的响应。通过PCS7软件进行编写程序并且在相应的工程里面实现，测试实时响应曲线，并且分析其性能，最终设计一个最优的控制方案。

1.5 本章小结

本章主要叙述了基于PLC的温度控制系统在国内外的研究现状以及本次设计研究的主要内容和本论文的大体结构。研究温度系统控制在国内外的现状为本次设计提供了现实背景和理论的依据。通过研究发现，我国的基于PLC的温度控制系统和国外相比还有一定的差距，主要是以PID控制为主。因此本课题研究也主要以PID控制为主，插入一定的神经网络算法模块并且设计一个最优的方案。为读者可以更加清楚的了解到本文的架构以及研究的重点和框架，本章还着重的介绍了本论文框架，并通过介绍本论文的框架引出一系列的研究内容。

2 PLC及基于PLC的温度控制系统简介

随着人们对于环保节能的意识提高，电热锅炉的重视程度以及受欢迎程度也越来越改，在工业供暖和民用生活用水演示了一个至关重要的角色。

2.1 S7-400PLC简介

西门子S7-400系列的PLC是一种可编程控制器[3]，一般用于中档或者高档性能范围，这一系列的PLC非常的具有特色，例如，它有非常高的处理速度、拥有强大的通讯功能、它的CPU有非常优越的资源裕量。S7-400系列中的PLC中的CPU的功能是分级的，里面还有各种各样的、种类十分齐全的模板，我们所需要的自动化任务都能在里面找到最好的解决方案，这会让实现分布式的系统和扩展的通讯能力都变得很简单。组成S7-400PLC的系统十分灵活多变，它有较强的用户友好性、有很简单的操作方法、还有免风扇的设计，它的这些优势也使得它拥有了非常广泛的应用范围，其中包括通用类的机械工程、汽车制造工业、立体化的仓库、机床和工具、过程控制等。