PID控制的理论和PID控制器设计的及PID控制器参数整定的以及分析

　　PID控制作为一种经典的控制方法而广泛应用于工业控制中，是实际工业生产过程正常运行的基本保障。随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域，出现了多种PID控制器的参数整定方法。本文深入研究了PID控制理论，运用了多种方法设计了PID控制器。内容包括两个部分，其中第一部分为前四章，主要是关于单变量PID控制器的参数整定研究。第二部分为第五章和第六章，主要是关于多变量PID参数整定的研究。在第一部分，介绍了PID控制器在工业控制中的重要地位和PID控制器的基本概念以及目前国内外PID控制器参数整定的现状，对遗传算法中的交叉算子和变异算子进行了改进，使交叉概率和变异概率能够自适应地改变，将改进的遗传算法用于电机控制系统的PID控制器的设计；在BP神经网络的基础上，将隐层S函数选择为小波函数，从而构造出小波神经网络，给出小波神经网络的学习算法，由此利用小波神经网络对PID控制器的参数进行整定，将这种方法运用于控制对象中，仿真结果表明此方法具有一定的优越性；最后提出了一种多目标鲁棒PID控制算法，从极点配置、皿性能和饥性能指标三种性能指标出发，设计出多目标具有极点约束的致／玩PID控制器，最后由此算法推导出多目标最优皿PID算法，使设计的PID控制器能够满足在风性能指标在给定值的条件下，闭环系统的日，性能指标达到最优，同时能够将闭环系统的极点配置在人工所要求的区域内部。在第二部分，首先总结了多种多变量PID参数整定的方法，包括利用遗传算法、神经网络、微粒子群算法和鲁棒控制理论方法进行的多变量PID控制算法，对于每一种整定方法，给出了具体的设计流程和详细的步骤；其次，在对角递归神经网络的基础上提出了一种基于准对角递归神经网络的多变量PID参数在线整定的算法，同时给出一个二耦合的控制对象进行仿真，将基于此方法设计的多变量PID与基于对角递归神经网络设计的多变量PID控制效果进行了比较；最后总结了本文研究在理论上所取得的成果，展望了PID控制器参数整定需要进一步研究的方向。