论文部分内容阅读
针对典型的工业过程控制对象,提出了一种基于神经网络的自适应内模PID(IMC—PID)控制方法。传统的IMC—PID控制器只有一个可调参数,可方便的调整闭环系统的响应速度和鲁棒性。但当控制对象参数发生变化或系统中存在不确定性因素时,则需要重新整定IMC—PID控制器参数。所提出的方法通过神经网络的在线学习功能实时地调整IMC—PID控制器参数,以增强系统的鲁棒性和控制性能,其中BP算法用于调整神经网络的权值,以保证控制系统的误差最小。仿真结果表明了它的有效性。