摘 要：針對經典的基于對象精確模型的PID控制方法自適應性差，難以適應具有非線性、時變不確定性的被控對象，提出了一種基于RBF神經網絡的、結構簡單的PID自適應控制方法。將該智能PID控制應用于氣動油壓伺服系統中，實驗結果表明：具有自學習和自適應能力的RBF網絡PID控制方法，能夠適應被控對象在較大范圍內的變化，具有較強的魯棒性，其控制品質明顯優于常規PID控制方法，將其應用于氣動油壓伺服系統是可行的。 關鍵詞：RBF神經網絡; PID控制; 氣動伺服系統; 燃油泵調節器 1.引言 　　氣動系統具有成本低廉、節能、無污染和結構簡單等優點，因此，氣動系統已廣泛地應用于各個鄰域[1]。然而，由于空氣的可壓縮性高等因素的存在，導致了氣動伺服系統的非線性強，這使得使用傳統的線性控制理論與方法很難獲得滿意的動態響應性能和穩態精度。 　　在工業過程的控制中，PID控制具有直觀、實現簡單和魯棒性強等優點獲得了廣泛的應用。PID控制是基于對象數學模型的方法，尤其適用于可建立精確數學模型的確定性控制系統,然而大量的工業過程往往具有非線性、時變不確定性等因素，難以建立其精確的數學模型;此外，常規PID控制器中的參數通常都由人工整定，由于一次性整定得到的參數很難使控制效果處于最佳狀態，這使得常規PID控制器的控制效果和精度受到了限制;因此，研究人員一直尋求PID控制參數的自適應技術以適應復雜的工況和高指標的控制要求[2]-[5]，神經網絡技術的發展使這成為可能。但是，由于一般的神經網絡，如BP網路，存在收斂速度慢、運算量大、容易產生局部極小等問題[6]，很難適用于高性能指標的控制系統。然而，徑向基函數（RBF）網絡具有運算量小、收斂快、無局部極小等優點[6]，使得RBF神經網絡在高性能指標控制系統中的應用成為可能。為此，將RBF神經網絡模型與常規PID控制算法相結合，形成具有自適應能力的神經網絡PID控制器，通過其在氣動油壓伺服系統中的應用，結果表明：基于RBF神經網絡PID控制的控制品質優于常規PID控制。 　　詳情請點擊下載：氣動油壓伺服系統的智能PID控制研究