一个神经网络PID控制例子,控制对象为一个直升机俯仰轴的角度控制,数学模型为二阶传递函数

本科毕业设计，论文，word版摘要目前，由于PID具有结构简单，可通过调节比例积分和微分取得基本满意的控制性能，广泛应用在电厂的各种控制过程中。
电厂主汽温的被控对象是一个大惯性大迟延非线性且对象变化的系统。
常规汽温控制系统为串级PID控制或导前微分控制,当机组稳定运行时,一般能将主汽温控制在允许的范围内。
但当运行工况发生较大变化时,却很难保证控制品质。
因此本文研究BP神经网络的PID控制，利用神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定，充分利用PID和神经网络的优点。
本处用一个多层前向神经网络，采用反向传播算法依据控制要求实时输出Kp、Ki、Kd，依次作为PID控制器的实时参数，代替传统PID参数靠经验的人工整定和工程整定，以达到对大迟延主气温系统的良好控制。
对这样一个系统在MATLAB平台上进行仿真研究，，仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力，对大迟延和变对象的系统可取得良好的控制效果。
关键词：主汽温，PID，BP神经网络，MATLAB仿真

《基于S函数的BP神经网络PID控制器及Simulink仿真》这篇论文和论文的S函数以及Simulink模型文件，MATLAB2016b以上版本测试正常运转。

对同一控制对象分别采用常规PID控制，模糊自适应PID控制，BP神经网络PID控制，遗传算法PID控制进行仿真分析，得出各个控制方法的优劣。

PID控制是最早发展起来的控制策略之一，是迄今为止最通用的控制方法。
目前大多数工业控制回路仍然应用着PID控制器或改进型PID控制器。
在PID控制中，控制效果的好坏完全取决于PID参数的整定与优化。
普通的PID控制在控制基本线性和动念特性不随时间变化的系统上控制效果不错，但是在控制非线性、时变的系统时，控制效果往往不佳。
温度控制具有非线性、大滞后、大惯性、时变性、升温单向性等特点，因此传统的PID控制无法对其实现有效的控制，智能PID开始应用于温度控制系统。
随着计算机技术和智能计算理论的发展，智能控制理论正越来越多的应用于PID控制器的功能改进中去。
模糊控制和神经网络各有优点，两者都能对PID控制器参数进行整定与优化，提高了PID控制器的控制功能。
  本文将模糊控制与神经网络结合起来，组成模糊神经网络对PID三个参数进行整定与优化，设计出了一种模糊神经网络PID控制器结构，在此基础上以DSP为处理器实现了具有自整定功能的PID温度控制系统。
系统主要包括：电源模块，采用TPS76833芯片进行电源转换；
温度电压测量模块，采用Ptl00温度传感器及其相应的测量电桥进行温度电压采集，应用DSP的模数转换单元将模拟量转换为数字量；
人机交互模块，运用DSP的I／O模块设计出一套键盘作为输入，LCD显示器采用点阵式液晶显示器MG．12232，与PC机的交互方面，采用支持RS．232标准的MAX一232作为驱动芯片，驱动DSP与PC机的串行通信；
温度控制模块采用控制量控制PWM波占空比信号的策略，输出占空比信号来控制功率模块的导通，达到控制温度的目的。
最后设计并实现了基于自整定PID控制器的温度控制系统的主要程序。

关于杨艺的那篇《基于S函数的BP神经网络PID控制器及simulink仿真》，我本人在Matlab2016b搭建出来的SIMULINK模型，亲测可用

针对多输入多输出（MIMO）复杂过程控制中控制功能偏慢等问题，对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。
对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。
研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。

基于S函数的BP神经网络PID节制器及Simulink仿真，运用于Matlab2016b。

很经典的神经网络控制源程序，运用BP算法，能直接运用，很有参考价值。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。