吕晓丹，吴次南

（贵州大学大数据与信息工程学院，贵阳550000）

引 言

比例积分微分（Proportion integral differential，PID）控制是较为传统的控制算法，由于其具有算法简单、鲁棒性好、可靠性高的优点，被广泛应用在过程控制和运动控制中，尤其适用于可建立精确数学模型的系统。但是，实际工业自动化过程往往具有非线性、时变、难以建立精确数学模型的特点，而传统PID控制器的3个控制参数（比例系数Kp、积分系数Ki、差分系数Kd）是一组根据经验设定的固定值，无法实时在线调整，导致控制效果很难让人满意。

神经网络具有强大的自我学习能力和非线性映射能力，可以实现PID控制参数的实时在线调整。于是开始有学者将神经网络应用到PID控制领域，形成神经网络PID控制器［1-2］。这种方法较之传统PID控制器而言，实现了控制参数的在线调整，提高了PID控制的品质。

但是，神经网络的缺点是推理能力差，而模糊控制有着很好的逻辑推理能力，于是，不少学者尝试将神经网络与模糊控制这两种智能控制技术结合起来。1990年，Takagi［3］概括性地探讨了模糊控制与神经网络未来的发展趋势。Jang等［4-5］分别证明了神经网络与模糊控制的函数等价性，为模糊控制与神经网络的结合打下了坚实基础。随后，学者们在模糊神经网络领域有不少新发现。例如：一种带有补偿运算层的5层补偿模糊神经网络［6］；一种基于免疫遗传算法的动态递归模糊神经网络［7］；在线动态增减规则层神经元个数的改进型模糊神经网络［8］等；除了对网络的整体结构进行改进外，也有学者对网络中某一部分进行了改进和创新。……