神经网络pid控制原理框图,神经网络pid控制器设计

神经网络自整定PID真的有效吗？我看图书馆的参考书上和知网论文上的方法，感觉推导过程都不对啊？

楼主的这个问题已经是六年前的问题了（今天2021年5月），不知道楼主现在还关注这个话题不？神经网络自整定PID肯定是有效的。

目前，神经网络自整定PID主要面临三个问题：一是初值选择的问题，不合理的初值很容易使闭环系统不稳定；二是神经网络自整定PID自身需要人为设定的参数较多，PID控制自身只需要三个人为设定参数，神经网络自整定PID则需要四个（三个初值和一个学习因子），这使得神经网络自整定PID比传统PID算法还要麻烦；三是缺乏完整的理论稳定性证明，神经网络自整定PID在线更新规则早已稳定，并且被广泛引用和应用，而基于神经网络自整定PID的闭环系统稳定性证明一直没有得到很好的解决，某种程度上，这限制了神经网络自整定PID的推广。

我个人也做了一些这样的研究，感兴趣的话可以参考我的一篇期刊论文。

Data-DrivenTrackingControlBasedonLMandPIDNeuralNetworkwithRelayFeedbackforDiscreteNonlinearSystems。

谷歌人工智能写作项目：神经网络伪原创

s函数-神经网络PID

我毕设是这个研究好几天了终于有点头绪.虽然你是3年前发的我忍不住跟你分享一下.估计还会有人需要文案狗。我找了整整几天在网上找不到任何有用的资料等过几天答辩完了有新的理解会回来补充，就当造福后人了。

switchflag,case0[sys,x0,str,ts]=mdlInitializeSizes(nh);case3sys=mdlOutputs(t,x,u,nh,xite,alfa,KF1,KF2,wi,wo);case{1,2,4,9}sys=[];otherwiseerror(['Unhandledflag=',num2str(flag)]);endflag是标志位.不同的flag取值代表函数进行不同的运算，这里flag=0进行初始化运算，=3进行sys输出运算，其他的不运算。

function[sys,x0,str,ts]=mdlInitializeSizes(nh)sizes=simsizes;sizes.NumContStates=0;sizes.NumDiscStates=0;sizes.NumOutputs=4+7*nh;%dynamicallysized？

sizes.NumInputs=14*nh+7;%dynamicallysized？

sizes.DirFeedthrough=1;%hasdirectfeedthroughsizes.NumSampleTimes=1;sys=simsizes(sizes);str=[];x0=[];ts=[-10];这些是必要的参数设置，分别是连续参数为0，离散参数为0，输出个数4+7*nh，输入个数14*nh+7（不知道4和7是哪来的？

分别是输入参数和返回参数的数量），直接馈入（我也不知道是什么）为1，取样次数为1.设置完赋给sys输出。

str是没用的东西，x0是初始状态为空矩阵，这里你打错字了是ts=[T0]，ts是一个1X2的向量，ts（1）是采样周期，ts（2）是偏移量。

wi_2=wi+reshape(u(8:7+4*nh),nh,4);wo_2=wo+reshape(u(8+4*nh:7+7*nh),3,nh);wi_1=wi+reshape(u(8+7*nh:7+11*nh),nh,4);wo_1=wo+reshape(u(8+11*nh:7+14*nh),3,nh);这个是学习网络的建立过程，具体我也不懂。

xx=[u(1)-u(2);u(1);u(1)+u(3)-2*u(2)];这句是增量式PID控制算法，应该是你说的PID部分，我也不太懂。程序部分我就知道这些。

还有我好久才查到的，nh代表神经元个数，xite是学习速率,alfa惯性系数。希望对再来看的人有帮助。

什么是PID调节器，并举例说明P、I、D的调节作用。

PID调节器是一个在工业控制应用中常见的反馈回路部件，PID是以它的三种纠正算法而命名的。这三种算法都是用加法调整被控制的数值。而实际上这些加法运算大部分变成了减法运算因为被加数总是负值。

以下是PID的调节作用举例：1.比例-来控制当前，误差值和一个负常数P（表示比例）相乘，然后和预定的值相加。P只是在控制器的输出和系统的误差成比例的时候成立。

这种控制器输出的变化与输入控制器的偏差成比例关系。比如说，一个电热器的控制器的比例尺范围是10°C，它的预定值是20°C。

那么它在10°C的时候会输出100%，在15°C的时候会输出50%，在19°C的时候输出10%，注意在误差是0的时候，控制器的输出也是0。

2.积分-来控制过去，误差值是过去一段时间的误差和，然后乘以一个负常数I，然后和预定值相加。I从过去的平均误差值来找到系统的输出结果和预定值的平均误差。

一个简单的比例系统会振荡，会在预定值的附近来回变化，因为系统无法消除多余的纠正。通过加上一个负的平均误差比例值，平均的系统误差值就会总是减少。所以，最终这个PID回路系统会在预定值定下来。

3.微分 -来控制将来，计算误差的一阶导，并和一个负常数D相乘，最后和预定值相加。这个导数的控制会对系统的改变作出反应。导数的结果越大，那么控制系统就对输出结果作出更快速的反应。

这个D参数也是PID被称为可预测的控制器的原因。D参数对减少控制器短期的改变很有帮助。一些实际中的速度缓慢的系统可以不需要D参数。

扩展资料：用更专业的话来讲，一个PID控制器可以被称作一个在频域系统的滤波器。这一点在计算它是否会最终达到稳定结果时很有用。

如果数值挑选不当，控制系统的输入值会反复振荡，这导致系统可能永远无法达到预设值。

路径跟踪的神经网络pid控制怎么设计

1.撰写毕业论文是检验学生在校学习成果的重要措施，也是提高教学质量的重要环节。大学生在毕业前都必须完成毕业论文的撰写任务。申请学位必须提交相应的学位论文，经答辩通过后，方可取得学位。

可以这么说，毕业论文是结束大学学习生活走向社会的一个中介和桥梁。毕业论文是大学生才华的第一次显露，是向祖国和人民所交的一份有份量的答卷，是投身社会主义现代化建设事业的报到书。

一篇毕业论文虽然不能全面地反映出一个人的才华，也不一定能对社会直接带来巨大的效益，对专业产生开拓性的影响。实践证明，撰写毕业论文是提高教学质量的重要环节，是保证出好人才的重要措施。

2.通过撰写毕业论文，提高写作水平是干部队伍“四化”建设的需要。党中央要求，为了适应现代化建设的需要，领导班子成员应当逐步实现“革命化、年轻化、知识化、专业化”。

这个“四化”的要求，也包含了对干部写作能力和写作水平的要求。3.提高大学生的写作水平是社会主义物质文明和精神文明建设的需要。

在新的历史时期，无论是提高全族的科学文化水平，掌握现代科技知识和科学管理方法，还是培养社会主义新人，都要求我们的干部具有较高的写作能力。

在经济建设中，作为领导人员和机关的办事人员，要写指示、通知、总结、调查报告等应用文；要写说明书、广告、解说词等说明文；还要写科学论文、经济评论等议论文。

在当今信息社会中，信息对于加快经济发展速度，取得良好的经济效益发挥着愈来愈大的作用。写作是以语言文字为信号，是传达信息的方式。信息的来源、信息的收集、信息的储存、整理、传播等等都离不开写作。

pid神经网络解耦控制算法通常用在哪些应用中

您好，非常感谢您发出这个帖子。我现在也在考虑做或者学习相关四轴飞行器的神经网络控制算法。之前我的飞机是用双闭环PID控制算法实现控制飞行的。

最近在学习神经网络，我准备用神经网络控制算法来对四轴飞行器姿态误差进行修正，看看能不能实现。