随着经济社会的发展,单反相机的价格也越来越低,其既能拍照也能摄像,也因此走进了更多家庭的生活中,但随之而来的是摄影者因为手的抖动而导致照片或者影像不清晰。在专业级别上的防抖设备有斯坦尼康等,但这些设备都需要专业的训练才能使用,并不适合大众日常使用,这几年来迅速发展的电子三轴稳定器是一种民用级的防抖设备,也是本文的研究对象,但目前的稳定器响应速度慢,动态性能不足仍是其主要问题。本文根据电子三轴手持稳定器的不足,提出了使用BP神经网络运用在PID控制器中,即BP-PID控制器,以实现参数的在线整定与自适应,并使用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)和天牛须搜索(Beetle Antennae Search algorithm,BAS)优化BP神经网络(Back Propagation)的初始权值和阀值,以提高电子三轴手持稳定器的PID控制器参数自整定和自适应能力,提高系统响应的快速性动态性能和稳态性能。本文主要的研究工作如下:(1)本文针对电子三轴手持稳定器的PID控制系统的反应速度慢,动态性能不足的,提出使用BP神经网络运用在PID控制器的参数选择中,以实现PID控制器的参数自整定。首先根据项目的要求设计合理的电子三轴视频稳定器PID控制系统模型,并阐述了BP神经网络PID控制,针对Sigmoid函数梯度容易丢失、均方误差函数对异常值处理权重偏大的问题,对BP神经网络的误差函数和激活函数进行改进,使神经网络能摆脱平坦区域,避免陷入局部最优。仿真结果证明,改进后的BP-PID控制有着更好动态性能。(2)为了进一步的提升控制系统的动态性能,利用人工蜂群算法和天牛须搜索这两种启发式算法(heuristic algorithm)对BP-PID控制器的网络权值和阀值进行初始化值寻优。其中天牛须搜索算法作为新算法不需要函数的具体形式,无须梯度信息,其跳出局部最优能力较强,天牛须单个体收敛速度快,能够降低网络的复杂性,降低网络耦合性。测试了基于ABC优化的BP-PID控制系统以及BAS优化的BPPID控制系统,比较了这两个算法优化的情况和BP-PID控制系统的阶跃响应。仿真结果证明,BAS训练的BP-PID控制系统与ABC算法训练的BP-PID控制系统各有优劣。本文使用MATLAB语言实现了BAS和ABC两种算法,然后分别测出了BAS和ABC对目标函数寻优历程、最后测出BAS-BP-PID的阶跃响应以及ABC-BP-PID的阶跃响应,并对结果进行分析比较。结果表明,BAS优化BP-PID控制系统的动态性能好于ABC的优化。