神经网络自整定PID控制器设计与仿真

摘要

单PID控制往往不能达到令人满意的程度，对于时变对象和非线性系统，传统的PID控制更是显得无能为力。对于非线性系统来说，神经网络PID具有良好的控制效果，该控制器是将神经网络和PID控制技术融为一体，即具有常规PID控制器结构简单，物理意义明确之优点，同时又具有神经网络自学习、自适应的功能。径向基函数神经网络(RBFNN)是一种具有单隐层的三层前馈网络，其网络结构和学习算法与BP网络有着很大的差别，在一定程度上克服了BP网络的缺点，因此本文就在RBF神经网络辨识的基础上实现神经网络PID参数自整定，细致地研究了BP神经网络PID参数整定方法，建立了一种RBF神经网络的自适应学习模型。