论文部分内容阅读
PID控制具有算法简单和可靠性高的优点，被广泛应用于工业过程控制，但是当被控对象变化时，控制器的参数难以自动调整，尤其是对大滞后和非线性的复杂系统。针对实际生产过程具有的非线性和不确定性，提出了一种基于神经网络的模糊PID控制方法。它是模糊控制、神经网络和常规PID控制器的有效结合，将模糊控制和神经网络策略引入到传统PID控制中，使得PID控制器具有模糊控制简单有效的非线性控制的优点以及神经网络的自学习和自适应能力。并建立控制系统模型进行仿真，给出控制器的结构与参数设计方法．仿真结果表明新型自适应模糊PID控制有较好的鲁棒性、抗干扰性和自适应性，其控制特性优于传统的PID。