PID控制是最早发展起来的控制策略之一，在控制理论和技术飞速发展的今天，PID控制由于其简单、稳定性能好、可靠性能高等优点，仍广泛的应用于冶金、机械、化工等工业过程控制之中。虽然许多其它的控制理论和技术日趋完善，但目前大多数工业过程仍采用PID控制，而采用高级控制技术的控制回路数只占10％左右，可见PID控制在工业控制中占据非常重要的地位。随着现代工业生产的飞速发展，进行过程控制系统设计时，除要求系统具有较高的动态品质和静态品质指标外，还必须保证系统具有良好的鲁棒性。 在PID控制中，被控对象的控制品质的优劣情况在很大程度上依赖于PID控制器中K_p、K_i、K_d三个参数的整定。根据不同的被控对象适当的调整PID的三个参数，可以获得比较满意的控制效果。实践证明，这种参数整定的过程，实际是对比例、积分和微分三种控制作用的折中。应该指出，虽然存在许多PID参数的整定方法及经验公式，但是这种整定不但费时间，而且，参数间相互影响，往往难以收到最佳效果。 传统的参数整定方法都是根据对象特性离线进行的，即当PID三个参数经离线整定后相对固定，不能根据对象特性变化和动态过程在线修改参数，不具有主动适应系统或环境变化的能力。这样，即使对被控对象整定了一组满意的PID控制参数，当对象特性发生变化时，也难以保持良好的控制性能。当被控对象存在非线性时，常规PID控制器往往不能保证良好的控制性能。对于大惯性，大时滞的对象，其控制效果亦不能令人满意。为此，必须设计出一种能够自动调整K_p、K_i、K_d的PID空制器。 近年来，智能控制无论是在理论上还是在应用上均得到了长足的发展。如何将PID控制器同智能控制更好的结合在一起，使控制领域几十年来长用不衰的PID控制器能发扬光大，更好地应用于实际控制系统，是控制领域中人们不断研究和探索的重要课题。在自动控制领域，许多研究人员将智能控制技术和常规PID控制方法有机的融合在一起，形成了许多形式的智能PID控制器。这种新型控制器已引起人们的普遍关注和极大兴趣，并已得到较为广泛的应用。 本文正是以上述课题为着眼点，以神经网络中再励学习的知识为基础，将PID控制技术与智能控制中的再励学习及模糊控制技术结合 一种8子挨翩讨佐网啥宗用天励学习的nD擅奶8 起来，形成一种基于模糊神经网络采用再励学习的PID控制器。我们 把K／K、K。三个参数作为神经网络ASN（行为选择网络）的榆出， 通过计算被控系统的实际榆出，将实际输出和理想榆出加以比较，产 生一再励信号，根据再励信号对ASN网络及AEN（行为评价网络）网 络的权值进行修正，不断改变ASN网络的输出，这样就改变了PID控 制器的三个参数，从而达到了在线调整＊D控制器参数的目的。 本文内容共分为五部分按以下顺序安排： 一、常规PID控制器控制原理及现阶段的发展 阐述了常规＊D控制器的控制原理，并分别叙述了现阶段智能化 ND控制器的发展状况。 二、再励学习 重点阐述了神经网络中的再励学习算法的基本原理。 H、再励学习和HD控制64结合 本部分将再励学习、模糊控制及PID控制相结合，论述了它的结 构和各部分的工作原理。 四、仿真实验 将基于模糊神经网络采用再励学习的PID控制器应用到实际控制 中，并得到较好的仿真结果。 五、结束语