温度是工业控制的主要对象之一，在工业生产过程中，常常需要对温度这一参数进行控制。温度控制得好，不仅可以提高产品质量，而且可以降低能耗，提高生产效率。塑料挤出机是塑料管材生产线上的关键设备，挤出机料筒的温度控制效果直接影响着挤出制品的性能和质量。料筒温度控制的可靠与否及其温控精度的高低已成为实现精密挤出成型的关键，温度控制也成为挤出制品生产工艺的重要组成部分。　　 实际工业生产过程中的温度控制对象普遍具有大时滞、非线性和时变性等特点，并且数学模型不确定，容易受外界因素的干扰，这对温度控制算法提出了更高的要求。目前温度控制中应用最广泛的是PID控制，它结构简单，稳定性好，可靠性高，对于一般的温度控制能得到很好的效果。但是PID控制器受到参数整定方法繁杂的困扰，参数整定往往不良、性能欠佳，对运行工况的适应性很差。因此，应用PID控制器难以达到满意的控制效果。如果工况发生变化就必须重新调整参数，给生产带来不便。针对上述问题，需要寻求一种参数自适应的PID控制器，既适合控制温度这种大时滞被控对象，又能适应复杂的工况，达到高的性能指标。　　 本文是以贝加菜的塑料挤出机的温度控制为研究背景来展开课题的。将神经网络PID控制算法应用于温度控制中进行研究，并采用贝加莱PCC控制器用于温度控制实验，进行了大量的理论研究、仿真和实验，得到了良好的控制效果，神经网络PID控制器实现了PID参数Kp，Kl，Kd的实时在线整定。主要的工作内容如下：　　 (1)分析了温度控制问题的现状，提出了解决温控问题的思路和方向；　　 (2)研究了BP神经网络的基本原理，并对神经网络PID控制器理论进行了深入研究，并将神经网络PID控制器用于温度控制问题；　　 (3)进行了AS仿真和在以贝加莱可编程计算机控制器(PCC)搭建温度控制实验平台上进行温度控制实验，验证了神经网络PID控制算法用于温度控制的可行性和优越性，取得了理想的控制效果。