电子设计工程
Electronic Design Engineering
第 28卷
Vol.28
第 12期
No.12
2020年 6月
Jun. 2020
收稿日期：2019-10-06 稿件编号：201910010
作者简介：牛 坤（1996—），男，安徽阜阳人，硕士。研究方向：智能控制，机器人。
自从 PID 控制器诞生以来，就成为自动化生产
过 程中使 用 频 率最高 、使 用范围 最 广 的控制 器
［1］
。
但是由于 PID 控制器的控制效果的优劣直接由其比
例参数、微分参数、积分参数决定
［2］
，所以参数整定
即为 PID 控制器设计的核心问题。模糊控制具有不需
要被控对象的数学模型，构造容易等特点，可以很好
的满足非线性、参数不确定等复杂过程控制要求
［3］
。
采用模糊规则表对输入变量进行模糊推理方法来得
到 PID 参数 K
p
、K
i
、K
d
，实现在线自整定，能一定程度
上提高控制器精度，具有更好的灵活性。但是由于
其隶属度函数和模糊控制规则是有经验的专家总结
出来的，具有很大的主观性和不确定性
［4］
。
神经网络控制是模拟人脑的某些结构机理实现
以人的知识和经验对系统的控制，具有很强的学习
能力
[5]
。恰恰相反的是模糊控制没有学习能力，但是
模糊控制却能轻易的获取由语言表达出来的专家知
识。两者相结合的模糊神经网络既能赋予神经网络
推理归纳能力，使神经网络各节点及参数具有明确
的物理意义，又可以使模糊控制具有自学习能力
[6]
，已
经成为研究热点。本文提出基于多种优化算相结合
的模糊神经网络是一种结合遗传、BP、模糊的多算法
融合来实现 PID 的参数自整定。
本文将基于经典 Mamdani 模型的 RBF 模糊神经
网络应用于 PID 控制器的参数整定中。为加快网络
收敛速度获得更加接近最优解的控制参数值，将采
基于改进 RBF 模糊神经网络的 PID 参数自整定
牛 坤，张志安，王鹏飞，朱新年
（南京理工大学 机械工程学院，江苏 南京 210000）
摘要：针对常规 PID 控制器和模糊 PID 控制器存在控制精度差、不能自适应、模糊规则难以确定等
问题，本文提出一种基于 RBF 模糊神经网络的 PID 自整定控制算法，RBF 模糊神经网络参数先采用
遗传算法粗调，达到预定精度后，继续使用 BP 算法提高精度。通过在 MATLAB 中进行神经网络训
练和 PID 仿真实验，表明了改进 RBF 模糊神经网络 PID 控制器具有收敛速度快、能够自适应、控制
精度高等优点，具有一定的可行性。
关键词：RBF 模糊神经网络；遗传算法；BP 算法；PID 自整定
中图分类号：TN0 文献标识码：A 文章编号：1674-6236（2020）12-0172-06
DOI：10.14022/j.issn1674-6236.2020.12.036
Self⁃tuning of PID parameters based on improved RBF fuzzy neural network
NIU Kun，ZHANG Zhi⁃an，WANG Peng⁃fei，ZHU Xin⁃nian
（School of Mechanical Engineering，Nanjing University of Science & Technology，Nanjing 210000，
China）
Abstract: Aiming at the problems of poor control precision，inability to adapt，and difficulty in determi
ning fuzzy rules for conventional PID controllers and fuzzy PID controllers，this paper proposes a PID self⁃
tuning control algorithm based on RBF fuzzy neural network. The parameters of RBF fuzzy neural network
are first roughly adjusted by genetic algorithm，when it reaches the predetermined precision，then used
BP algorithm to improve the precision. The neural network training and PID simulation experiments in
MATLAB show that the improved RBF fuzzy neural network PID controller has the advantages of fast
convergence，adaptive and higher control precision，and has certain feasibility.
Key words: RBF fuzzy neural network；genetic algorithm；BP algorithm；PID self⁃tuning
--172
剩余6页未读，继续阅读
资源评论
zhenyaoqian2022-10-28感谢大佬，让我及时解决了当下的问题，解燃眉之急，必须支持！
華泱2024-10-31简直是宝藏资源，实用价值很高，支持！
运动控制算法工程师2022-11-22资源和描述一致，质量不错，解决了我的问题，感谢资源主。
冉吟2024-11-03资源内容详尽，对我有使用价值，谢谢资源主的分享。- 南风1402023-06-21资源内容详尽，对我有使用价值，谢谢资源主的分享。
