本文研究和设计了以MSP430F149单片机为核心,内嵌PID神经元网络(Proportional-Integral-Derivative Neural Network, PIDNN)算法的嵌入式智能调节器。调节器广泛应用于化工、石油、轻工、电力、冶金、建材、纺织等工业部门及科学研究领域,对温度、压力、流量、液位、成分等参数进行控制。PID(Proportional-Integral-Derivative)调节器因为结构简单、容易实现,并且具有较强的鲁棒性,因而得到广泛的应用。尽管在控制领域,各种新型控制方法不断涌现,但目前正在运行的控制回路中,90%以上的还是PID调节器或其改进型。PID调节器应用的核心问题就是参数整定,参数整定的困难使PID调节器的应用受到了限制。另外, PID调节器结构特性决定了它的局限性,仅在简单的线性单变量系统中有较好的控制效果,而在复杂系统的控制效果不佳。为了克服传统PID控制的弱点,控制界已经提出了大量对PID控制的改进方案,主要有自校正PID控制、广义预测PID控制、模糊PID控制、专家PID控制、智能PID控制等。这些方案都是针对如何选取和整定PID参数,都是在保持传统PID调节器结构基础上,采用新的方法在线或离线确定PID参数。这些方法在一定程度上提高了PID控制器的性能,但这些方案一般是针对某些具体问题,缺乏通用性,使它们的应用受到限制。近年来,随着神经元网络的研究和应用,采用神经元网络和PID控制相结合,改进传统PID控制性能成为新的研究方向,并已取得了一些成果。PID神经元网络是1997年由舒怀林教授提出的一种由比例神经元、积分神经元和微分神经元构成的神经元网络,融合了PID规律和神经元网络的优点,在复杂系统的控制中表现出较好的性能。本文在对PIDNN进行了深入的研究和探讨后,对其算法进行了一些改进,对其实现途径进行了仿真和实验,研发了以MSP430F149单片机为控制核心,内嵌PID神经元网络算法,外加数据采集电路、输入/输出通道、人机接口、通讯接口、键盘电路等模块的嵌入式调节器,并在实际液位控制系统进行了实验。理论研究和实验数据表明,嵌入式PIDNN控制系统可以实现无超调、无静差、响应速度高、过渡时间短等控制特性。