傳統(tǒng)PID 的控制參數(shù)難以精確整定，且依賴于對象的精確數(shù)學模型，適應性較
差，對復雜過程不能保證其控制精度。針對工業(yè)控制領域中大滯后系統(tǒng)，采用傳統(tǒng)PID 控制不能獲得滿意的控制效果，提出基于RBF 神經(jīng)網(wǎng)絡的PID 控制參數(shù)自整定的方法。該方法利用RBF 神經(jīng)網(wǎng)絡的自學習、自適應能力自調整系統(tǒng)的控制參數(shù)。仿真表明，該方法可實現(xiàn)有效的控制，并且與常規(guī)PID 相比，具有更好的自適應性和魯棒性。
關鍵詞：RBF，PID，參數(shù)整定，仿真，Matlab
由于具有算法簡單、穩(wěn)定性好、可靠性高以及強魯棒性等優(yōu)點，PID 控制在工業(yè)控制中得到廣泛的應用；但是PID 控制效果的優(yōu)劣直接取決于控制參數(shù)選取的好壞，而傳統(tǒng)的參數(shù)整定方法完全依賴于被控對象。然而在現(xiàn)代工業(yè)中過程機理復雜，難以確定精確的數(shù)學模型，并存在著不同程度的非線性、時變等不確定，同時現(xiàn)代工業(yè)對控制的要求進一步提高，利用常規(guī)的PID 控制很難滿足系統(tǒng)的要求。而神經(jīng)網(wǎng)絡作為一門非常熱門的交叉學科，以其強大的非線性映射能力、并行處理能力、自學習能力，在控制領域得到廣泛的應用。
本文利用RBF 神經(jīng)網(wǎng)絡對PID 控制參數(shù)進行在線自整定，在常規(guī)PID 控制的基礎上，利用神經(jīng)網(wǎng)絡的自學習、自適應能力自動調整系統(tǒng)的控制參數(shù)；構造一個具有參數(shù)自整定能力、穩(wěn)定的PID 控制器。這種新型的PID 控制器在一定程度上提高了系統(tǒng)的魯棒性，并可以利用它對工業(yè)純滯后對象實現(xiàn)高品質的控制。