在本文中，我们研究了最基本的神经网络PID控制，即单神经元PID控制，并协助研究BP神经网络。
了获得良好的控制效果，PID控制必须调整控制系统中比例，积分和微分参数的比例。些值具有相互约束关系。而，在工业生产过程中，完全线性不存在不变系统，它通常是一个非线性时变系统，很难建立数学模型和调整设置很难。文通过MATLAB建立仿真，其中建立了控制对象和控制器，即两种类型的神经网络PID检查进行比较，受控对象是一阶和二阶系统分别进行模拟，分析和比较。后，血压神经网络的PID控制被认为是最稳健的。键词：PID控制;神经网络;单神经元PID控制;模拟图分类号：TP311文献代码：A文章编号：1009-3044（2015）08-0171-04Résumé：本文考察了神经网络基本检查此单神经元PID控制取向的PID，辅助神经网络的BP。并添加到BP神经网络的控制条件PID控制中用于比较目的PID控制为了获得良好的控制效果，它必须调节比例，积分和微分控制系统参数及其值建立一个相互约束关系，但在当前的工业生产过程中，恒温阀芯没有完全线性的时不变系统，它通常是非线性时变系统，很难建立模型数学上，参数的调整很困难这个文件是通过MATLAB仿真建立的，其中建立了控制对象和一个控制器比较两种类型的神经网络PID控制，修改受控对象对第一，第二和模拟系统进行分析，比较其控制效果，最后，最佳PID控制算法的鲁棒性神经网络BP。键词：PID控制，神经网络，单神经元PID控制器，控制系统设计仿真复杂，变化和不确定的控制对象很难控制，但这是控制系统的挑战。
用精确数学模型的理论和控制方法通常无法实现所需的控制效果。有数学模型控制可以真正提高控制系统的适应性和鲁棒性，这就是为什么没有模型控制是控制系统发展的另一个重要方向。且值不应该太大或太小：如果仅完成PD命令，该命令将产生残差。
是智能控制的重要分支之一。了获得良好的控制效果，PID控制必须调整控制系统中通过不同约束相互关联的比例，积分和微分参数的比例，例如电能，化学工业和机器。已被广泛使用并具有良好的控制效果[1]。经网络中最基本的单位神经元具有一定程度的自学习和适应性。
的结构简单，易于计算。统的PID控制具有以下特点：结构简单，调整方便，设置和技术指标之间紧密连接。于单个神经元的PID控制单神经元结构PID控制的本质是用单个神经元的权重代替三个PID控制器参数。
个神经元的自适应PID控制将神经元与PID相关联，神经元具有自适应和自学习能力，PID控制采用增量PID控制算法，神经元可以补充自适应PID控制。权系数的值对控制器的输出有很大影响。果未正确选择加权因子的初始值，则系统可能不稳定[2]。常，加权系数的初始值主要根据经验选择，不同的受控对象必须具有不同的权重。Rin（k）是定义的值，yout（k）。此，当受控对象的输出时，首先，根据响应曲线，系统是稳定的，没有过冲，并且学习率是从适当的方法来加快系统的响应速度。
法如下：K值的选择非常重要。K越大，速度越快，但过冲很重要，甚至会使系统不稳定。果延迟增加，则必须降低K值以确保系统稳定性。果K的值太小，系统的响应速度将大大降低，这不会促进系统的有效控制。进算法中加权系数的调整增加了校验量的加权平方和，并使比例系数K的修改成为自适应的。以根据输入的响应曲线确定在设置SNPID参数时，不会应用每个参数对控制性能的影响。
章使用仿真实例来指定要遵循的步骤：比例系数K的值对系统的速度和稳定性有很大影响。果过小，响应速度将是太小了，如果过大，速度快系统的响应速度，但调整时间长，多余的是很重要的，甚至可以振荡。此，可以采用非线性变换的在线校正方法，当响应的初始偏差很大时，采用高K值来加快系统的响应速度[4]。
于血压神经网络的PID控制PID控制为了获得良好的控制效果，有必要综合考察PID参数之间的关系。三者不是简单的线性数学关系，也不是简单的数学关系，可以通过一般的简单函数来描述：它们之间的关系随着控制对象而变化。BP的神经网络由于其自主性而具有连续学习，并且最终可以找到更好的控制律，其相应的参数P，I，D是最佳参数[5]。
制器由两部分组成:)典型的PID控制器：控制对象的闭环直接控制和三个参数构成设定模式。析表1显示PID参数此时正在改变，通过检查基于神经网络的PID控制，该PID控制是自适应的，并且参数可在线调整。
于神经网络的PID控制BP和基于单个神经元的PID控制，当受控对象确定时，受控对象的动态性能差别不大，但当受控对象的参数发生变化时， BP神经网络PID控制系统和SNPID控制系统与BP神经网络PID控制系统相比，超调量大大减小，调整速度更快，从而大大提高了神经网络的容量。个系统的适应性和稳健性。此，基于神经网络的PID控制更好。单神经元和史密斯预测控制相关的PID控制器优于单一控制，具有两种控制方法（短调整时间）。系统设置改变时，控制算法反映单神经元PID控制。
烈干扰的优势和史密斯的快速反应。此，在高滞后系统（如炉温控制，通常是二阶惯性链路加延迟）中，Smith的预测控制和单神经元PID控制的组合可以产生良好的控制效果。论神经网络具有强大的自适应和非线性映射功能，关联存储器，信息功能，并行处理和出色的容错能力。
MATLAB语言用于模拟时变非线性控制对象，仿真结果表明控制系统能够更好地控制受控对象，在对象参数时获得更好的控制值控制变化。而，由于连续训练，与传统PID控制相比，控制方法表现出慢的收敛速度和慢的响应速度，网络的隐藏层中的节点数量的选择也是如此。有明确的理论指导，只能通过实验来确定。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com