【正文】 尚未涉及或者研究深度不夠。因此，還存在局限性，需要進(jìn)一步的研究和完善。而且，筆者認(rèn)為基于RBF神經(jīng)網(wǎng)絡(luò)整定的PID控制將是一個(gè)很具有應(yīng)用前景的課題，值得進(jìn)一步深入研究。參 考 文 獻(xiàn)[1] 薛定宇. 控制系統(tǒng)仿真與計(jì)算機(jī)輔助設(shè)計(jì). 北京: 機(jī)械工業(yè)出版社,2005[2] 黃忠霖. 控制系統(tǒng)MATLAB計(jì)算及仿真. 北京: 國(guó)防工業(yè)出版社,2001[3] 董長(zhǎng)虹. 神經(jīng)網(wǎng)絡(luò)與應(yīng)用. 北京: 國(guó)防工業(yè)出版社,2005 [4] 張化光,孟祥萍. 智能控制基礎(chǔ)理論及應(yīng)用. 北京:機(jī)械工業(yè)出版社,2005 [5] 徐麗娜,神經(jīng)網(wǎng)絡(luò)控制. 哈爾濱:哈爾濱工業(yè)大學(xué)出版社,1999[6] 陶永華,尹怡欣,葛蘆生. 新型PID控制及其應(yīng)用. 北京: 機(jī)械工業(yè)出版社,1998 [7] 何玉彬,李新忠. 神經(jīng)網(wǎng)絡(luò)控制技術(shù)及其應(yīng)用. 北京:科學(xué)出版社,2000[8] 董長(zhǎng)虹. MATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用. 北京:國(guó)防工業(yè)出版社,2005[9] 舒懷林. PID神經(jīng)元網(wǎng)絡(luò)及其控制系統(tǒng). 北京: 國(guó)防工業(yè)出版社,2006[10] 魏海坤. 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論方法. 北京: 國(guó)防工業(yè)出版社,2005[11] 楊平等編著. 自動(dòng)控制原理. 北京: 中國(guó)電力出版社,2006 [12] 劉金琨. 先進(jìn)PID控制及其MATLAB仿真. 北京: 電子工業(yè)出版社,2003[13] 魏巍. MATLAB控制工程工具箱技術(shù)手冊(cè). 北京:國(guó)防工業(yè)出版社,2004 [14] 郭晶,楊章玉. . 北京:電子工業(yè)出版社,200[15] 王樹(shù)青．先進(jìn)控制技術(shù)及應(yīng)用. 北京：化學(xué)工業(yè)出版社，2001[16] 張德江等編著. 計(jì)算機(jī)控制系統(tǒng). 北京：機(jī)械工業(yè)出版社，2008[17] 龍曉林，徐金方．基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的PID控制器研究明．計(jì)算機(jī)測(cè)量與控制，2003[18] H．Du，H．Shao，P．Yao．Adaptive neural network control for a class of lowtriangularstructured nonlinear systems．IEEE Tram．Neural Network．2006，17(2)：509～5 14[19] w．S．Mclulloch，W．Pitts．A Logical Calculus of the Ideas Immanent in NerVors ActiVity． Bulletin of Mathematical Biophysics，1943，5：115～133[20] Martin．T．Hagan，Howard．B．Demuch，Mark．H．Beale．Neural Network Design，1992， 8(50)： 327～334[21] Isidro Sanchez，Julio R Banga,Antonio A Alonso．Temperature control in microwavebination ovens．Journal of Food Engineering，2000，46：21～29[22] P．Cominos and N． Munro．PID contr01lers：recent tuning methods and design to specification．IEE Proc—Contr01 Theory，2002，14(1)：46～53[23] Zhong Tanwei．Multidimensional MP model in meural network．Journal of South ChinaAgricultural University，2004，25(2)致 謝經(jīng)過(guò)幾個(gè)月時(shí)間的努力，我終于完成了論文《基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)及仿真》，在論文完成之際，本人謹(jǐn)向平玉環(huán)老師表示誠(chéng)摯的敬意和衷心的感謝。本文是在平老師的悉心指導(dǎo)下完成的。她淵博精深的知識(shí)、高屋建領(lǐng)的見(jiàn)解及敏銳的洞察力使我終生受益。在論文工作期間，平老師在論文的選題、設(shè)計(jì)、相應(yīng)的研究工作以及論文的撰寫(xiě)方面都給予了極大的關(guān)心和悉心的指導(dǎo)。沒(méi)有她的鼓勵(lì)和幫助，本篇論文也是很難完成的。另外，在生活方面，平老師也處處關(guān)心學(xué)生，給予了我很大的幫助。在此，我由衷地對(duì)于老師說(shuō)一聲：“謝謝！”。最后再一次向所有曾給予本人幫助、支持和鼓勵(lì)的良師益友和同學(xué)們表示最衷心的感謝! 感謝各位老師百忙之中對(duì)本文的審閱和提出的寶貴意見(jiàn)!附錄 仿真程序%Adaptive PID control based on RBF Identificationclear all。close all。 xite=。alfa=。belte=。x=[0,0,0]39。 ci=30*ones(3,6)。bi=40*ones(6,1)。w=10*ones(6,1)。 h=[0,0,0,0,0,0]39。 ci_1=ci。ci_3=ci_1。ci_2=ci_1。bi_1=bi。bi_2=bi_1。bi_3=bi_2。w_1=w。w_2=w_1。w_3=w_1。 u_1=0。y_1=0。u_2=0。y_2=0。xc=[0,0,0]39。error_1=0。error_2=0。error=0。 %kp=rand(1)。 %ki=rand(1)。 %kd=rand(1)。kp0=30。 ki0=。 kd0=。 kp_1=kp0。kd_1=kd0。ki_1=ki0。 xitekp=。xitekd=。xiteki=。 ts=。for k=1:1:5000 time(k)=k*ts。 rin(k)=。 % yout(k)=**y_2+*u_1+*u_2。 %Nonlinear plant (系統(tǒng)穩(wěn)定性的被控對(duì)象數(shù)學(xué)模型) yout(k)=**y_2+*u_1+*u_2。 %（系統(tǒng)魯棒性的被控對(duì)象數(shù)學(xué)模型） for j=1:1:6 h(j)=exp(norm(xci(:,j))^2/(2*bi(j)*bi(j)))。 end ymout(k)=w39。*h。 d_w=0*w。 for j=1:1:6 d_w(j)=xite*(yout(k)ymout(k))*h(j)。 end w=w_1+d_w+alfa*(w_1w_2)+belte*(w_2w_3)。 d_bi=0*bi。 for j=1:1:6 d_bi(j)=xite*(yout(k)ymout(k))*w(j)*h(j)*(bi(j)^3)*norm(xci(:,j))^2。 end bi=bi_1+ d_bi+alfa*(bi_1bi_2)+belte*(bi_2bi_3)。 for j=1:1:6 for i=1:1:3 d_ci(i,j)=xite*(yout(k)ymout(k))*w(j)*h(j)*(x(i)ci(i,j))*(bi(j)^2)。 end end ci=ci_1+d_ci+alfa*(ci_1ci_2)+belte*(ci_2ci_3)。 %%%%%%%%%%%%%%%%%%%%%%Jacobian%%%%%%%%%%%%%%%%%%%%%%% yu=0。 for j=1:1:6 yu=yu+w(j)*h(j)*(x(1)+ci(1,j))/bi(j)^2。 end dyout(k)=yu。%%%%%%%%%%%%%%%%%%%%%%Start of Control system%%%%%%%%%%%%%%%%%% error(k)=rin(k)yout(k)。 kp(k)=kp_1+xitekp*error(k)*dyout(k)*xc(1)。 kd(k)=kd_1+xitekd*error(k)*dyout(k)*xc(2)。 ki(k)=ki_1+xiteki*error(k)*dyout(k)*xc(3)。 if kp(k)0 kp(k)=0。 end if kd(k)0 kd(k)=0。 end if ki(k)0 ki(k)=0。 end M=0。 switch M case 0 case 1 %Only PID Control kp(k)=kp0。 ki(k)=ki0。 kd(k)=kd0。 end du(k)=kp(k)*xc(1)+kd(k)*xc(2)+ki(k)*xc(3)。 % if k==3000 （系統(tǒng)抗干擾能力，在k=3000時(shí)加擾動(dòng)） % u(k)=u_1+du(k)+2。 % else u(k)=u_1+du(k)。 % end %Return of parameters x(1)=du(k)。 x(2)=yout(k)。 x(3)=y_1。 u_1=u(k)。 u_2=u_1。 y_1=yout(k)。 y_2=y_1。 ci_3=ci_2。 ci_2=ci_1。 ci_1=ci。 bi_3=bi_2。 bi_2=bi_1。 bi_1=bi。 w_3=w_2。 w_2=w_1。 w_1=w。 xc(1)=error(k)error_1。 %Calculating P xc(2)=error(k)2*error_1+error_2。 %Calculating D xc(3)=error(k)。 %Calculating I error_2=error_1。 error_1=error(k)。 kp_1=kp(k)。 kd_1=kd(k)。 ki_1=ki(k)。 endfigure(1)。plot(time,rin,39。b39。,time,yout,39。r39。)。xlabel(39。time(s)39。)。ylabel(39。rin,yout39。)。figure(2)。plot(time,yout,39。r39。,time,ymout,39。b39。)。xlabel(39。time(s)39。)。ylabel(39。yout,ymout39。)。figure(3)。plot(time,dyout)。xlabel(39。time(s)39。)。ylabel(39。Jacobian value39。)。figure(4)。subplot(311)。plot(time,kp,39。r39。)。xlabel(39。time(s)39。)。ylabel(39。kp39。)。subplot(312)。plot(time,ki,39。r39。)。xlabel(39。time(s)39。)。ylabel(39。ki39。)。subplot(313)。plot(time,kd,39。r39。)。xlabel(39。time(s)39。)。ylabel(39。kd39。)。30