传统PID算法具有结构简单、原理清晰等特点,在工业控制中得到广泛应用。随着现代工业的发展,传统PID算法在应对具有非线性的系统时,无法保证控制的精确性和稳定性。模糊神经网络具有处理非线性特性的能力,能够进行模糊控制推理和人工神经网络自学习,因此将模糊神经网络算法和传统PID算法相结合能够很好地解决非线性系统的控制问题。由于模糊神经网络算法初始权值和阈值是随机取得,且自身需要优化的参数过多,导致模糊神经网络PID算法在控制过程中存在控制实时性较差和控制的精度无法达到理想效果等问题。基于此,论文提出使用粒子群算法改善模糊神经网络的初始权值和阈值,并针对常规粒子群算法存在的全局寻优能力差和收敛速度慢等问题,提出采用激活停滞粒子和在全局最优粒子的局部区域进行搜索的方式来改进常规粒子群算法,改进后算法的全局寻优能力会得到显著加强,但是改进后算法依然存在收敛速度较慢的问题。为了进一步提高算法的全局寻优能力和收敛速度,论文提出天牛须蜂群算法。天牛须蜂群算法是在传统人工蜂群算法的基础上加入天牛须搜索策略,模拟天牛在觅食和搜索时,利用左右触须比较气味的浓度来确定前进的方向。天牛须算法的引入能够让蜜蜂在觅食时,获得明确的搜索方向,增强了蜜蜂对食物源的搜索能力,使得算法全局寻优能力增强并且收敛速度更快。将以上两种智能寻优算法对模糊神经网络PID算法进行改进,并以工业闪蒸罐为被控对象,利用两种改进模糊神经网络PID算法和常规模糊神经网络PID算法分别对闪蒸罐系统进行压力仿真实验。结果表明:天牛须蜂群优化的模糊神经网络PID算法的调整时间进一步缩短,超调量更低,使得闪蒸罐压力系统获得更好的控制性能。借助SMPT-1000高级过程控制实验设备和西门子的SIMATIC PCS7设计了闪蒸罐压力控制实验,实际结果验证了天牛须蜂群优化的模糊神经网络PID算法的控制效果。