PID神经网络资料

1、http:/www.bisheziliao.com/p-134420.html中文3730span style=font-size:24px;font-family:仿宋_gb。

2、整定的 PID控制器设计及仿真 基于 RBF 神经网络整定的 PID 控制器设计及仿真 摘 要 目前，因为 PID 控制具有简单的控制结构，可通过调节比例积分和微分取得基本满意的控制性能，在实际应用中又较易于整定，所以广泛应用于过程控制和运动控制中，尤其在可建立精确模型的确定性控制系统中应用比较多。
然而随着现代工业过程的日益复杂，对控制要求的逐步增高（如稳定性、准确性、快速性等），经典控制理论面临着严重的挑战。
对工业控制领域中非线性系统，采用传统 PID 控制不能获得满意的控制效果。
采用基于梯度下降算法优化 RBF 神经网络，它将神经网络和 PID 控制技术融为一体，既具有常规 PID 控制器结构简单、物理意义明确的优点，同时又具有神经网络自学习、自适应的功能。
因此，本文通过对 RBF 神经网络的结构和计算方法的学习，设计一个基于 RBF 神经网络整定的 PID 控制器，构建其模型，进而编写 M 语言程序。
运用 MATLAB 软件对所设计的 RBF 神经网络整定的 PID 控制算法进行仿真研究。
然。

3、ural network PID controller in the boiler steam pressure 毕业设计（论文）任务书毕业设计（论文）任务书 学院名称：学院名称：电子信息学院电子信息学院 专专 业：业：测控技术与仪器专业测控技术与仪器专业 毕业设计（论文）题目：毕业设计（论文）题目： 神经网络神经网络 PID 在锅炉蒸汽压力中的应用在锅炉蒸汽压力中的应用 一、一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达 到的指标和应做的实验等） 1.设计内容：设计内容： 船用锅炉主蒸汽压力调节对象含有大惯性、大滞后环节，常规 PID 控制方法不具备自适应能力，因此很难满足实际的控制要求。
利用 BP 神经网络的优点，设计 PID 控制器的在线调整控制系统， 改善系统的控制性能，无论在理论还是实践上都具有重要意义。
通 过对 PID 控制原理和 BP 神经网络的学习，掌握如何利用神经网络 的自学习能力来实现最佳组合的PID控制。
通过Matlab软件Simulink 模块设计基于 BP 神经网络整定 PID 控制器，并应用该控制器实现 锅炉蒸汽压力的控。

4、数学模型的控制理论和方法的局限性日益明显。
无 模型控制能有效地提高系统的实用性和鲁棒性。
因此，走向无模型控制是自动控 制发展的另一个重要方向。
在 1943 年，麦卡洛克和皮茨首次提出了脑模型，其最初动机在于模仿生物 的神经系统。
随着超大规模的集成电路（VISI） ，光电子学和计算机技术的发展， 人工神经网络（ANN）已引起更为广泛的注意。
近年来，给予神经控制的理论和 机理的进一步开发和应用。
尽管基于神经元多分控制能力比较有限，但由于神经 网络控制器具有学习能力、记忆能力、概括能力、并行处理能力和容错能力等重 要特性，仍然有许多神经网络控制器被设计出来，这类控制器具有并行处理、执 行速度快、鲁棒性好、自适应性强和适于应用等特点，广泛应用在控制领域。
神经网络控制是一种基本上不依赖于模型的控制方法， 他比较适用于那些具 有不确定性或高度非线性的控制对象，并且较强的适应性和学习能力，他是智能 控制的一个重要分支， 对于自动控制来说， 神经网络具有自适应功能， 泛化功能， 非线性映射功能，高度并行处理功能等几方面优势，这使得神经网络成为当今一 个非常热门的交叉学科，广泛应用在电力、化工、机械。

5、 因此 本文研究 BP神经网络的 PID控制，利用神经网络的自学习 、非线性 和不依赖模型等特性实现 PID参数的在线自整定 ， 充分利用PID 和神经网络的优点 。
本处 用一 个多层 前向神经网络 ，采 用反向传播算法 依据控制要求实时输出 Kp、 Ki、 Kd，依次作为 PID控制器的实时参数，代替传统 PID参数靠经验的人工整定和工程整定， 以达到对大迟延主气温系统的良好控制。
对这样一个系统在MATLAB 平台上进行仿真研究， ，仿真结果表明基于 BP 神经网络的自整定 PID 控制 具有良好的自适应能力和自学习能力， 对大迟延和变对象的 系 统可取得良好的控制效果。
关键词： 主 汽温 ， PID， BP 神经网络 ， MATLAB 仿真 ABSTRACT At present, because PID has a simple structure and can be adjusted proportional integral and 。