1. 研究目的与意义（文献综述包含参考文献）

1. 课题来源及研究现状

按比例、积分和微分进行控制的调节器(简称为pid控制器)[1]，是最早发展起来的应用经典控制理论的控制策略之一，是工业过程控制中应用最广泛，历史最悠久，生命力最强的控制方式，在目前的工业生产中，90％以上的控制器为pid控制器。它采用基于对象数学模型的方法，优点是算法简单、鲁棒性好和可靠性高，控制效果良好，因此被广泛应用于工业控制过程，尤其适用于可建立精确数学模型的确定性控制系统。对于传统pid控制器，在把其投入运行之前，要想得到较理想的控制效果，必须先整定好三个参数：即比例系数kp、积分系数ki、微分系数kd。这是因为生产部门中有各种各样的被控对象，它们对控制器的特性会有不同的要求，整定的目的就是设法使控制器的特性能够和被控对象配合好，以便得到最佳控制效果，如果控制器参数整定不好，即使控制器本身很先进，其控制效果也会很差。随着工业的发展，控制对象的复杂程度也在不断加深，许多大滞后、时变的、非线性的复杂系统，如温度控制系统，被控过程机理复杂，具有高阶非线性、慢时变、纯滞后等特点，常规pid控制显得无能为力；另外，实际生产过程中存在着许多不确定因素，如在噪声、负载振动和其他一些环境条件下，过程参数甚至模型结果都会发生变化，如变结构、变参数、非线性、时变等，不仅难以建立受控对象精确的数学模型，而且pid控制器的控制参数具有固定形式，不易在线调整，难以适应外界环境的变化，这些使得pid控制器在实际应用中不能达到理想的效果，越来越受到限制和挑战。因此，如何使pid控制器具有在线自整定其参数的功能，是自从使用pid控制以来人们始终关注的重要问题。并且，随着相关领域技术的不断发展，对控制系统的指标要求也越来越高。人们一直在寻求pid控制器参数的自适应技术[2]，以适应复杂系统的控制要求。

传统的pid参数优化方法主要是一些手动整定方法，阶跃响应是其整定pid参数的主要依据。这种方法仅根据系统的动态响应来整定控制器的参数，具有物理意义明确的优点，可以以较少的试验工作量和简便的计算，得出控制器参数，因其简单实用，因而在生产现场仍在大量应用，尤其是在单回路系统中。但运用该方法得到的控制器参数比较粗糙，控制效果只能满足一定要求，参数的优化远远不够，同时，对于一些系统，由于控制对象的复杂性、变化性，难以运用传统方法进行整定[8]。神经网络研究的兴起，为pid控制器的整定提供了新的方法和广阔的应用空间神经网络理论的发展使这种设想成为可能。

2. 研究的基本内容、问题解决措施及方案

一．本课题要研究或解决的问题

1. 本课题主要任务是将bp神经网络和pid控制器结合，形成自适应pid控制器，提高控制器的抗扰性能。基本要求熟悉matlab的m文件编写 熟悉pid闭环控制理论，熟悉matlab下数字pid增量式pid控制器仿真平台的搭建。 通过对对象的pid闭环控制分析pid参数整定理论，各个参数对控制性能的影响，pid控制器的优点和缺点，bp神经网络的优点和缺点，并对二者进行分别仿真和结合。本课题的主要难度在于基于bp神经网络pid控制器的设计。

2.课题研究的主要内容

1、熟悉bp神经网络基本原理 2、熟悉pid控制基本理论 3、熟悉matlab环境下m文件的编写 4、编写出符合课题的算法程序 5、搭建合理的实验过程仿真环境，记录实验结果。