论文部分内容阅读
经典PID的控制参数难以精确整定,且依赖于对象的数学模型,故自适应性较差,很难适应具有非线性、时变不确定性的被控对象,控制精度难以保证。该文对纯滞后工业对象提出了一种基于RBF神经网络PID参数自整定的控制方法,采用将RLS算法和梯度法相融合的新型学习算法,并将这种控制方法与PID控制器相结合应用于纯滞后工业对象中,克服了不确定性对控制对象性能的不利影响,解决了传统PID控制鲁棒性差,及需要预先知道受控对象精确数学模型的问题。仿真结果表明了该方法的鲁棒性和跟踪性能均优于传统PID控制方法。