作为现代生产过程最重要的物料搬运设备之一,起重机械广泛地应用于车间、码头港口和建筑工地等作业场合。随着我国的经济规模快速扩大,起重机在现代化生产过程中发挥的作用也越来越重要。但是在起重机领域,对电机的调速控制还有所欠缺,不能满一些对控制精度要求很高的作业场合,例如核电站用起重机、航空发动机的转子吊装、桥式起重机的自动路径规划等等。尤其起重机智能化是未来发展的趋势,电机的调速控制是其实现智能化的十分重要的一个环节。比例积分微分控制(下文简称PID控制)因为其结构简单、实现简单和稳定强等优点被广泛的应用于控制电机,但是传统的PID控制参数固定,其控制效果并不是十分理想,在传统PID控制下电机响应较慢、超调量大。BP神经网络是一种前馈网络,该算法使用梯度下降法对权值和阈值进行修正,直到误差达到最小,可以实现根据当前误差对参数在线调整。但是该算法存在着易陷入局部最小和对初始参数的设置较敏感等问题。因此,论文提出一种基于蚁群算法优化附加动量系数的BP神经网络来实现对PID参数的在线实时调整,使PID控制性能最优。使用蚁群算法全局搜索最优初始参数值,再由BP神经网络进一步自我学习对参数进行修正,同时在修正权值的过程中附加动量系数,减少系统振荡。MATLAB的仿真结果表明本文提出的基于蚁群算法优化附加动量系数的BP神经网络整定的PID控制器具的控制性能优良,电机响应快,超调量小,具有较强抗干扰能力强,转矩波动稳定,同时,可以应用于桥式起重机的自动纠偏、防摇摆和路径规划,为起重机智能化提供良好的驱动,有助于提高生产效率和吊装精度,具有一定的应用价值。