徐梦 史豪斌 李继超

摘要：PID控制是一种根据系统的误差，使用比例、积分、微分计算出控制量调节系统误差的控制方法，PID控制器由于不需要建立精确的系统数学模型而广泛应用于工业控制的各个领域。但是经典的PID控制方法的三个参数值通常是人工赋值，而人工赋值往往依赖于经验，因此控制效率较低。B尸神经网络具有很强的泛化能力，可以逼近任意的非线性函数，本文使用BP神经网络调节PID控制器的参数。但是经典BP神经网络需要不断地调节权值，因此收敛速度很慢，本文利用动量常数加速神经网络的训练。仿真试验验证了本文提出的使用加速B尸神经网络调节PID控制器参数的方法具有更快的收敛能力，能够实现系统的快速逼近功能。

关键词：BP神经网络;动量常数;PID控制;仿真试验

中图分类号：TP13 文献标识码：A

PID控制器[1]又称为比例一积分一微分控制器，其结构简单，控制效果良好，是一种在航空航天控制及工业过程控制中常见的反馈回路部件，经典的PID控制器是由比例、积分、微分三个单元的控制器组成。比例控制是PID控制器的基础，积分控制可消除稳态误差，微分控制可加快大惯性系统响应速度以及减弱超调趋势。合理地调节比例、积分、微分控制参数是PID控制器取得良好效果的基础，但是在实际应用中参数的调节往往依赖经验，而经验的获取需要通过大量的尝试，因此，PID控制器参数的整定成为PID性能提高的瓶颈。人工神经网络[2]一直是人工智能领域的研究热点，它从信息处理的角度对人脑神经元网络进行抽象，建立神经元模型，按不同的连接方式构成不同的网络。……