智能PID控制及先進(jìn)參數(shù)自整定綜述

1、 課程名稱(chēng) 工業(yè)自動(dòng)化專(zhuān)題題目名稱(chēng)智能PID控制綜述學(xué)生學(xué)院 自動(dòng)化學(xué)院專(zhuān)業(yè)班級(jí)10自動(dòng)化（3）班學(xué) 號(hào) 3110000906學(xué)生姓名 陳兆國(guó)指導(dǎo)教師 陳老師智能PID控制及先進(jìn)參數(shù)自整定綜述摘要PID控制器因?yàn)榻Y(jié)構(gòu)簡(jiǎn)單、容易實(shí)現(xiàn)，并且具有較強(qiáng)的魯棒性，因而被廣泛應(yīng)用于各種工業(yè)過(guò)程控制中。但是傳統(tǒng)的PID控制應(yīng)用于復(fù)雜的實(shí)際系統(tǒng)時(shí)存在一定的局限性，而融合了先進(jìn)智能控制思想和傳統(tǒng)PID構(gòu)成的智能PID控制器則具有良好的特性。文中介紹幾種常見(jiàn)的智能PID控制器的構(gòu)成方式和參數(shù)整定，包括繼電反饋、模糊PID、神經(jīng)網(wǎng)絡(luò)PID、參數(shù)自整定和專(zhuān)家PID控制及基于遺傳算法的PID控制。關(guān)鍵詞：PID控制，智

2、能控制，智能PID, 繼電反饋，模糊控制PID，神經(jīng)網(wǎng)絡(luò)PID和參數(shù)自整定AbstractPID(Proportional, interregnal and differential) controller is used widely in kinds of industry circumstance of its simple structure, easy implementation and strong robustness. However, the conventional PID control is limited when applied to a complex phys

3、ical system, whereas the intelligent PID control fused by both advanced intelligent control thought and conventional PID control has a favorable characteristic. This paper presents some common kinds of intelligent PID controller including relay Feedback, Fuzzy-PID, Neural-Network PID, Parameters Aut

4、o-tuning and PID control based on genetic algorithm, Genetic algorithm PID .Their characteristic are also discussed respectively.Key words: PID controller, intelligent control, intelligent PID，Parameters Auto-tuning, Relay Feedback, Fuzzy-PID, Neural-Network PID, Genetic algorithm PID引言PID控制器是工業(yè)過(guò)程控制

5、中最常見(jiàn)的一種控制器。它具有以下優(yōu)點(diǎn)：原理簡(jiǎn)單，使用方便。適應(yīng)性強(qiáng)，可以廣泛應(yīng)用于化工、熱工、冶金、煉油以及造紙、建材等各種生產(chǎn)部門(mén)。魯棒性較強(qiáng)1，即其控制品質(zhì)對(duì)被控對(duì)象特性的變化不大敏感。由于PID控制器算法簡(jiǎn)單，盡管工業(yè)自動(dòng)化飛速發(fā)展，PID控制技術(shù)仍然是工業(yè)過(guò)程控制的基礎(chǔ)。2根據(jù)日本有關(guān)調(diào)查資料顯示，在現(xiàn)今使用的各種控制技術(shù)中，PID控制技術(shù)占84.5%，優(yōu)化PID控制技術(shù)占68，現(xiàn)代控制技術(shù)占16，手動(dòng)控制占66，人工智能(Artificial Intelligence)控制技術(shù)占06。如果把PID控制技術(shù)和優(yōu)化PI加起來(lái)，則占到了90以上。3文指出，工業(yè)過(guò)程控制中，95以上的回路具有

6、PID結(jié)構(gòu)。因此，可以毫不夸張地說(shuō)，隨著工業(yè)現(xiàn)代化和其他各種先進(jìn)控制技術(shù)的發(fā)展，控制技術(shù)仍然不過(guò)時(shí)，并且他還占著主導(dǎo)地位。PID控制中一個(gè)關(guān)鍵的問(wèn)題便是PID參數(shù)的整定4。但是在實(shí)際的應(yīng)用中，許多被控過(guò)程機(jī)理復(fù)雜，具有高度非線(xiàn)性、時(shí)變不確定性和純滯后等特點(diǎn)。在噪聲、負(fù)載擾動(dòng)等因素的影響下，過(guò)程參數(shù)甚至模型結(jié)構(gòu)均會(huì)隨時(shí)間和工作環(huán)境的變化而變化。這就要求在PID控制中，不僅PID參數(shù)的整定不依賴(lài)于對(duì)象數(shù)學(xué)模型，并且PID參數(shù)能夠在線(xiàn)調(diào)整，以滿(mǎn)足實(shí)時(shí)控制的要求。4智能控制（Intelligent Control）是一門(mén)新興的理論和技術(shù)，它是傳統(tǒng)控制發(fā)展的高級(jí)階段，主要用來(lái)解決那些傳統(tǒng)方法難以解決的控

7、制對(duì)象參數(shù)在大范圍變化的問(wèn)題，其思想是解決PID參數(shù)在線(xiàn)調(diào)整問(wèn)題的有效途徑5。近年來(lái)，智能控制無(wú)論是理論上還是應(yīng)用技術(shù)上均得到了長(zhǎng)足的發(fā)展，隨之不斷涌現(xiàn)將智能控制方法和常規(guī)PID控制方法融合在一起的新方法，形成了許多形式的智能PID控制器。它吸收了智能控制與常規(guī)PID控制兩者的優(yōu)點(diǎn)。首先，它具備自學(xué)習(xí)、自適應(yīng)、自組織的能力，能夠自動(dòng)辨識(shí)被控過(guò)程參數(shù)、自動(dòng)整定控制參數(shù)、能夠適應(yīng)被控過(guò)程參數(shù)的變化；其次，它又具有常規(guī)PID控制器結(jié)構(gòu)簡(jiǎn)單、魯棒性強(qiáng)、可靠性高、為現(xiàn)場(chǎng)工程設(shè)計(jì)人員所熟悉等特點(diǎn)6。正是這兩大優(yōu)勢(shì)，使得智能PID控制成為眾多過(guò)程控制的一種較理想的控制裝置。7智能PID控制(Intellig

8、ent Control PID)算法及參數(shù)整定基于繼電反饋(Relay Feedback)的PID參數(shù)自整定方法Asortm和Hagglund在1984年提出基于繼電反饋控制PID參數(shù)整定自整定方法引入繼電反饋控制7，如下所示。7依據(jù)在于大多數(shù)的對(duì)象在繼電反饋?zhàn)饔孟露寄墚a(chǎn)生穩(wěn)定的振蕩，當(dāng)過(guò)程輸出達(dá)到穩(wěn)定狀態(tài)時(shí)啟動(dòng)整定程序，控制開(kāi)關(guān)切換到b時(shí)，系統(tǒng)進(jìn)入繼電整定狀態(tài)。8, 9繼電可以是帶滯后的也可以不帶滯后，等到不變的振蕩輸出量力產(chǎn)生，通過(guò)測(cè)量這個(gè)極限環(huán)的性質(zhì)，也就是輸出的頻率與幅度，就可以測(cè)知對(duì)象臨界點(diǎn)的信息。9當(dāng)輸出的頻率與幅度均計(jì)算得出后，PID參數(shù)通過(guò)算法或一定的約束條件(在這里是指它的相

9、位裕度)可以得出，然后將開(kāi)關(guān)撥到a處，系統(tǒng)進(jìn)入PID控制階段?；谀：齈ID控制(Fuzzy-PID)參數(shù)自整定 “模糊性"主要是指事物差異的中間過(guò)渡中的“不分明性"10。所謂模糊控制，就是將工藝操作人員的經(jīng)驗(yàn)加以總結(jié)，運(yùn)用語(yǔ)言變量和模糊邏輯的歸納制算法的控制。模糊集理論是由美國(guó)控制理論專(zhuān)家查德教授于1965年首次提出來(lái)的11。1974年英國(guó)馬丹尼首先把Fuzzy集理論用于鍋爐和蒸氣機(jī)的控制。自1974年以來(lái)，我國(guó)科學(xué)工作者對(duì)模糊理論的研究及其應(yīng)用也做了大量的工作，并己取得了可喜的成果。12在工業(yè)上，有許多復(fù)雜對(duì)象，特別是對(duì)無(wú)法建立精確數(shù)學(xué)模型的工業(yè)對(duì)象的控制，用常規(guī)儀表控

10、制效果不佳時(shí)，而采用模糊控制可獲得滿(mǎn)意的效果。隨著日趨復(fù)雜的生產(chǎn)過(guò)程，必須有一種能夠模擬人腦的思維和創(chuàng)造能力的控制系統(tǒng)，以適應(yīng)復(fù)雜而多變的環(huán)境。13近期，人們分析研究了簡(jiǎn)單模糊控制存在的一些缺陷，設(shè)計(jì)出了幾種高性能的模糊控制系統(tǒng) 14： (I)控制規(guī)則可調(diào)的模糊控制；(2)具有積分作用的模糊控制；(3)參數(shù)自調(diào)整的模糊控制；(4)復(fù)合型模糊控制；(5)自學(xué)習(xí)模糊控制。PID參數(shù)模糊自整定控制系統(tǒng)能在控制過(guò)程中對(duì)不確定的條件、參數(shù)、延遲和干擾等因素進(jìn)行檢測(cè)分析，采用模糊推理的方法實(shí)現(xiàn)PID參數(shù)，工藝的在線(xiàn)自整定。15不僅保持了常規(guī)PID控制系統(tǒng)的原理簡(jiǎn)單、使用方便、魯棒性較強(qiáng)等特點(diǎn)，而且具有更大

11、的靈活性、適應(yīng)性、精確性等特性。典型的模糊白整定PID控制系統(tǒng)的結(jié)構(gòu)如圖所示，系統(tǒng)包括一個(gè)常規(guī)PID控制器和一個(gè)模糊控制器。根據(jù)給定值，和實(shí)際輸出值，計(jì)算出偏差e和偏差的變化率ec作為模糊系統(tǒng)的輸入，三個(gè)PID參數(shù)的變化值作為輸出，根據(jù)事先確定好模糊控制規(guī)則作出模糊推理在線(xiàn)改變PID參數(shù)的值，從而實(shí)現(xiàn)PID參數(shù)的自整定。16使得被控對(duì)象有良好的動(dòng)、靜態(tài)性能，而且計(jì)算量小，易于用單片機(jī)實(shí)現(xiàn)?；谏窠?jīng)網(wǎng)路PID(Neural-Network PID)的參數(shù)整定所謂“神經(jīng)網(wǎng)絡(luò)”是以一種簡(jiǎn)單計(jì)算處理單元(即神經(jīng)元)為節(jié)點(diǎn)，17采用某種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)成的活性網(wǎng)絡(luò)，可以用來(lái)描述幾乎任意的非線(xiàn)性系統(tǒng)。神經(jīng)網(wǎng)

12、絡(luò)還具有學(xué)習(xí)能力、記憶能力、計(jì)算能力以及各種智能處理能力，在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理、存儲(chǔ)和檢索功能。神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的應(yīng)用提高了整個(gè)系統(tǒng)的信息系統(tǒng)處理能力和適應(yīng)能力，提高了系統(tǒng)的智能水平。由于神經(jīng)網(wǎng)絡(luò)己具有逼近任意連續(xù)有界非線(xiàn)性函數(shù)的能力，對(duì)于長(zhǎng)期困擾控制界的非線(xiàn)性系統(tǒng)和不確定性系統(tǒng)來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)無(wú)疑是一種解決問(wèn)題的有效途徑。采用神經(jīng)網(wǎng)絡(luò)方法設(shè)計(jì)的控制系統(tǒng)具有更快的速度(實(shí)時(shí)性)、更強(qiáng)的適應(yīng)能力和更強(qiáng)的魯棒性18。正因?yàn)槿绱耍?9近年來(lái)在控制理論的所有分支都能夠看到神經(jīng)網(wǎng)絡(luò)的引入及應(yīng)用，對(duì)于傳統(tǒng)的PID控制當(dāng)然也不例外，以各種方式應(yīng)用于PID控制的新算法大量涌現(xiàn)，其中有

13、一些取得了明顯的效果。傳統(tǒng)的控制系統(tǒng)設(shè)計(jì)是在系統(tǒng)數(shù)學(xué)模型己知的基礎(chǔ)上進(jìn)行的，因此，它設(shè)計(jì)的控制系統(tǒng)與數(shù)學(xué)模型的準(zhǔn)確性有很大的關(guān)系。神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計(jì)則不同，它可以不需要被控對(duì)象的數(shù)學(xué)模型，只需對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行在線(xiàn)或離線(xiàn)訓(xùn)練，然后利用訓(xùn)練結(jié)果進(jìn)行控制系統(tǒng)的設(shè)計(jì)。20神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計(jì)有多種類(lèi)型，多種方式，既有完全脫離傳統(tǒng)設(shè)計(jì)的方法，也有與傳統(tǒng)設(shè)計(jì)手段相結(jié)合的方式。PID控制要取得好的控制效果，就必須通過(guò)調(diào)整好比例、積分和微分三種控制作用在形成控制量中相互配合又相互制約的關(guān)系，這種關(guān)系不一定是簡(jiǎn)單的“線(xiàn)性組合"，而是從變化無(wú)窮的非線(xiàn)性組合中找出最佳的關(guān)系。21BP神經(jīng)網(wǎng)絡(luò)具有逼

14、近任意非線(xiàn)性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確。通過(guò)網(wǎng)絡(luò)自身的學(xué)習(xí)，可以找到某一最優(yōu)控制規(guī)律下的P、I、D參數(shù)。22基于BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)控制器由兩部分組成：經(jīng)典的PID控制器：直接對(duì)被控對(duì)象進(jìn)行閉環(huán)控制，并且三個(gè)參數(shù)在線(xiàn)調(diào)整方式。BP神經(jīng)網(wǎng)絡(luò)：根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，以其達(dá)到某種性能指標(biāo)的最優(yōu)化，即使輸出層神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)，通過(guò)神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，從而使其穩(wěn)定狀態(tài)對(duì)應(yīng)于某種最優(yōu)控制規(guī)律下的PID的控制器參數(shù)基于神經(jīng)網(wǎng)絡(luò)的模糊PID控制將模糊控制具有的較強(qiáng)的邏輯推理功能、神經(jīng)網(wǎng)絡(luò)

15、的自適應(yīng)、自學(xué)習(xí)功能以及傳統(tǒng)PID的優(yōu)點(diǎn)融為一體，構(gòu)成基于神經(jīng)網(wǎng)絡(luò)的模糊PID系統(tǒng)框圖所示23。它包括4個(gè)部分：（1）傳統(tǒng)PID控制部分：直接對(duì)控制對(duì)象形成閉環(huán)控制；（2）模糊量化模塊：對(duì)系統(tǒng)的狀態(tài)向量進(jìn)行歸檔模糊量化和歸一化處理；（3）辨識(shí)網(wǎng)絡(luò)NNM：用于建立被控系統(tǒng)中的辨識(shí)模型；（4）控制網(wǎng)絡(luò)NNC：根據(jù)系統(tǒng)的狀態(tài)，調(diào)節(jié)PID控制的參數(shù)以達(dá)到某種性能指標(biāo)最優(yōu)，具體實(shí)現(xiàn)方法是使神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)PID控制器的被調(diào)參數(shù)，4通過(guò)自身權(quán)系數(shù)的調(diào)整，使其穩(wěn)定狀態(tài)對(duì)應(yīng)某種最優(yōu)控制規(guī)律下的PID控制參數(shù)。這種控制器24對(duì)模型、環(huán)境具有較好的適應(yīng)能力以及較強(qiáng)的魯棒性，但是由于系統(tǒng)組成比較復(fù)雜，存在運(yùn)算量

16、大、收斂慢、成本較大的缺點(diǎn)。 專(zhuān)家PID控制具有專(zhuān)家系統(tǒng)的自適應(yīng)PID控制器結(jié)構(gòu)如圖所示25, 26。它由參考模型、可調(diào)系統(tǒng)和專(zhuān)家系統(tǒng)組成。從原理上看，它是一種模型參考自適應(yīng)控制系統(tǒng)。其中，參考模型由模型控制器和參考模型被控對(duì)象組成；可調(diào)系統(tǒng)由數(shù)字式PID控制器和實(shí)際被控對(duì)象組成?？刂破鞯腜ID參數(shù)可以任意加以調(diào)整，當(dāng)被控對(duì)象因環(huán)境原因而特性有所改變時(shí)，在原有控制器參數(shù)作用下，可調(diào)系統(tǒng)輸出y（t）的響應(yīng)波形將偏離理想的動(dòng)態(tài)特性。這時(shí)，24, 27利用專(zhuān)家系統(tǒng)以一定的規(guī)律調(diào)整控制器的PID參數(shù)，使y（t）的動(dòng)態(tài)特性恢復(fù)到理想狀態(tài)。專(zhuān)家系統(tǒng)由知識(shí)庫(kù)和推理機(jī)制兩部分組成，它首先檢測(cè)參考模型和可調(diào)系統(tǒng)

17、輸出波形特征參數(shù)差值即廣義誤差e。PID自整定的目標(biāo)就是調(diào)整控制器PID參數(shù)矢量C，使值逐步趨近于m（即e值趨近于0）。 該系統(tǒng)由于采用閉環(huán)輸出波形的模式識(shí)別方法來(lái)辨別被控對(duì)象的動(dòng)態(tài)特性，不必加持續(xù)的激勵(lì)信號(hào)，因而對(duì)系統(tǒng)造成的干擾小。另外，28采用參考模型自適應(yīng)原理，使得自整定過(guò)程可以根據(jù)參考模型輸出波形特征值的差值來(lái)調(diào)整PID參數(shù)，這個(gè)過(guò)程物理概念清楚，并且避免了被控對(duì)象動(dòng)態(tài)特性計(jì)算錯(cuò)誤而帶來(lái)的偏差?；谶z傳算法PID控制(Genetic Algorithm PID)遺傳算法（Genetic Algorithm）是一種基于自然選擇和基因遺傳原理的迭代自適應(yīng)概率性搜索算法。29, 30基本思想

18、就是將待求解問(wèn)題轉(zhuǎn)換成由個(gè)體組成的演化群體和對(duì)該群體進(jìn)行操作的一組遺傳算子，包括3個(gè)基本操作：復(fù)制（reproduction）、交叉（crossover）、變異（mutation）。其基本流程如31, 32基于遺傳算法的PID具有以下特點(diǎn)：（1）把時(shí)域指標(biāo)同頻域指標(biāo)做了緊密結(jié)合，魯棒性和時(shí)域性能都得到良好保證；（2）采用了新型自適應(yīng)遺傳算法，收斂速度和全局優(yōu)化能力大大提高；（3）具有較強(qiáng)的直觀(guān)性和適應(yīng)性；（4）較為科學(xué)地解決了確定參數(shù)搜索空間的問(wèn)題，克服了人為主觀(guān)設(shè)定的盲目性。基于遺傳算法的自適應(yīng)PID控制的原理框圖如圖，圖中省略了遺傳算法的具體操作過(guò)程。其思想就是將控制器參數(shù)構(gòu)成基因型，將性

19、能指標(biāo)構(gòu)成相應(yīng)的適應(yīng)度，便可利用遺傳算法來(lái)整定控制器的最佳參數(shù)，并且不要求系統(tǒng)是否為連續(xù)可微的，能否以顯式表示。33, 34當(dāng)遺傳算法用于PID控制參數(shù)尋優(yōu)時(shí)，其操作流程主要包括：（1）參數(shù)編碼、種群初始化；（2）適應(yīng)度函數(shù)的確定； （3）通過(guò)復(fù)制、交叉、變異等算子更新種群；（4）結(jié)束進(jìn)化過(guò)程。總結(jié)與展望PID控制算法是迄今為止最通用的控制策略，PID調(diào)節(jié)器是工業(yè)過(guò)程控制中最常用的控制器。一個(gè)大的工業(yè)生產(chǎn)過(guò)程包含上千個(gè)控制器，它們必須被分別整定以提供良好的及魯棒的控制性能。整定過(guò)程如果由手動(dòng)來(lái)完成，是非常麻煩和耗時(shí)的，得到的系統(tǒng)性能主要取決于工程師具有的經(jīng)驗(yàn)和過(guò)程知識(shí)。實(shí)際上，有許多工業(yè)控制回

20、路整定較差。整定對(duì)于研究者和現(xiàn)場(chǎng)工程師具有極其重要的意義。通過(guò)自整定技術(shù)，可以實(shí)現(xiàn)控制器按照操作者和外部信號(hào)來(lái)進(jìn)行自動(dòng)整定，工業(yè)過(guò)程控制己經(jīng)清楚地表明這是一個(gè)高度需要和十分有價(jià)值的技術(shù)。國(guó)內(nèi)外許多專(zhuān)家學(xué)者致力于這方面的研究，己經(jīng)取得了一些重大的成果，國(guó)外己有商品化的控制器應(yīng)用于實(shí)際工業(yè)過(guò)程控制中。目前，有許多自整定方法來(lái)確定合適的PID控割器的參數(shù)。這些方法區(qū)別在于：復(fù)雜性、靈活性和需要過(guò)程的預(yù)先知識(shí)量。一個(gè)好的自整定方法應(yīng)該合理的考慮以下特性的折衷：抗負(fù)載干擾性、測(cè)量噪聲敏感性、過(guò)程變化的魯棒性、設(shè)定值變化的響應(yīng)特性、模型先驗(yàn)知識(shí)以及計(jì)算復(fù)雜性等。參考文獻(xiàn)：1.劉玲玲, PID參數(shù)整定技術(shù)的

21、研究及應(yīng)用, 2010, 鄭州大學(xué).2.邊麗華, PID控制器參數(shù)自整定方法的研究與實(shí)現(xiàn). 2009.3.李國(guó)林, PID控制器參數(shù)整定技術(shù)研究與優(yōu)化設(shè)計(jì), 2010, 大連理工大學(xué).4.沈永福, 吳少軍, and 鄧方林, 智能PID控制綜述. 2000.5.李偉起, 王大志, and 余國(guó)民, 神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定的應(yīng)用研究. 沈陽(yáng)理工大學(xué)學(xué)報(bào), 2007(05): p. 50-53.6.薛開(kāi), 呂元元, and 祝海濤, 運(yùn)動(dòng)控制器的PID參數(shù)整定. 哈爾濱工程大學(xué)學(xué)報(bào), 2005(05): p. 99-101.7.張麗, 基于繼電型的PID參數(shù)模糊整定的研究, 2006, 武漢科技

22、大學(xué).8.源, 何.宏., 徐. 學(xué), and 金. 妮, P I D繼 電 自 整 定 技 術(shù) 的發(fā) 展 綜 述. 2000.9.胡樂(lè), et al., 基于PLC的PID參數(shù)自整定. 控制工程, 2008(S2): p. 14-15+65.10.李曉丹, 模糊PID控制器的設(shè)計(jì)研究, 2005, 天津大學(xué).11.蔚東曉 and 賈霞彥, 模糊控制的現(xiàn)狀與發(fā)展. 自動(dòng)化與儀器儀表, 2006(06): p. 4-7.12.胡姍姍, 模糊自適應(yīng)控制方法的研究, 2009, 東北大學(xué).13.李麗娜, et al., 模糊PID復(fù)合控制算法改進(jìn)及應(yīng)用. 東北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009(02

23、): p. 274-278.14.楚焱芳 and 張瑞華, 模糊控制理論綜述. 科技信息, 2009(20): p. 161-162.15.梁曉暉 and 李宏光, PID參數(shù)整定的多屬性決策模糊推理方法. 計(jì)算機(jī)仿真, 2012(12): p. 190-194.16.彭勇剛, 模糊控制工程應(yīng)用若干問(wèn)題研究, 2008, 浙江大學(xué).17.龔菲 and 王永驥, 基于神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定與實(shí)時(shí)控制. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2002(10): p. 69-71.18.徐瑜 and 危韌勇, 神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的應(yīng)用現(xiàn)狀及展望. 電腦知識(shí)與技術(shù), 2006(05): p. 178-179+187.19.邱東強(qiáng) and 涂亞慶, 神經(jīng)網(wǎng)絡(luò)控制的現(xiàn)狀與展望. 自動(dòng)化與儀器儀表, 2001(05): p. 3-9.20.徐麗娜, 神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)及所用神經(jīng)網(wǎng)絡(luò). 自動(dòng)化技術(shù)與應(yīng)用, 2004(01): p. 4-8.21.陳玉芳, BP神經(jīng)網(wǎng)絡(luò)的算法改進(jìn)及應(yīng)用研究,