毕业论文（设计）开题报告题目名称神经网络PID控制系统设计与仿真学生姓名所学专业应教042学号指导教师姓名所学专业自动控制职称完成期限一、选题的目的意义PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好和可靠性高，被广泛应用于过程控制和运动控制中，尤其适用于可建立精确数学模型的确定性控制系统。然而实际工业生产过程往往具有非线性、时变不确定性，难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果，而且在实际生产现场，由于受到参数整定方法繁杂的困扰，常规PID控制器参数往往整定不良、性能欠佳，对运行工况的适应性很差。神经网络具有很强的非线性映射能力、自学习能力、联想记忆能力、并行信息处理方式及优良的容错性能。为了克服上述传统PID控制的弱点，本作品将智能控制理论中广泛研究的神经网络和PID控制器结合起来，使它对于工业控制中的复杂系统控制有着更好的控制效果，有效的改善了由于系统结构和参数变化导致的控制效果不稳定。二、国内外研究综述20世纪80年代，随着神经网络在世界范围内的复苏，国内也逐步掀起了研究热潮。1989年10月和11月分别在北京和广州召开了神经网络及其应用讨论会和第一界全国信号处理—神经网络学术会议；1990年2月由国内8个学会召开“中国神经网络首届学术会议”。这次会议以“八学会联盟，探智能奥秘”为主题，收到了300多篇学术论文，开创了中国神经网络及神经计算机方面科学研究的新纪元；2004年10月在合肥召开的“人工神经网络学术会议”已是第14届学术年会了；2004年8月在中国大连召开的ISNN2004国际会议，引起了国内外神经网络研究者的广泛关注，产生了较大的影响；另外，国内外许多相关的学术会议都设有人工神经网络专题，如国内的WCICA﹑CIAC﹑CDC﹑CCC﹑CAA国外的ACC﹑CCA﹑IDEAC等。经过十几年的发展，中国学术界和工程界在人工神经网络的理论研究和应用方面取得了丰硕成果，学术论文﹑应用和研究人员逐年增加。三、主要研究内容1、常规PID控制算法；2、PID神经元的结构形式和计算方法；3、单神经元网络PID的结构形式；4、BP神经网络的PID控制器算法。四、毕业论文（设计）的研究方法和技术路线1、常规PID控制算法；2、确定PID神经元的比例、积分、微分函数，并建立比例元、积分元、和微分元；3、单神经元网络PID隐含层至输出层的权重值的确定；4、单神经元网络PID输入层至隐含层的权重值的确定；5、单神经元网络连接权重初值选取和等价系统；五、主要参考文献与资料[1]朱大奇，史慧.人工神经网络原理及应用[M].北京：科学出版社，2006，3[2]韩力群.人工神经网络教程[M].北京：北京邮电大学出版社，2006，12[3]舒怀林.PID神经元网络及其控制系统[M].北京：国防工业出版社，2006，2[4]杨淑莹.模式识别与智能计算—Matlab技术实现[M].北京：电子工业出版社，2008，1[5]陶永华，尹怡欣，葛芦生.新型PID控制及其应用[M].北京：机械工业出版社，2000，4[6]赵娟平.神经网络PID控制策略及其Matlab仿真研究[J].微计算机信息，2007(07)[7]王亚斌.基于BP神经网络PID控制及其仿真[J].江苏冶金，2008，02期[8]王树青等编著.工业过程控制工程[M].北京：化学工业出版社，2002[9]胡志军，王建国，王鸿斌.基于优化BP神经网络的PID控制研究与仿真[J].微电子学与计算机，2006，23(12)：138—140[10]韩力群著.人工神经网络理论、设计及应用[M].北京：化学工业出版社，2002[11]赵文峰著.Matlab控制系统设计与仿真[M].西安：西安电子科技大学出版社，2003[12]任子武，高俊山.基于神经网络的PID控制器[J].自动化技术与应用，2004年05期[13]程代展，段广仁.第25届中国控制会议论文集（中册）[C].北京：北京航空航天大学出版社，2006，12[14]GuoBingjun,YuJinshou.Asingle-neuronPIDadaptivemultconrollerschemebasedonRBFNN.TransactionsoftheInstituteofMeasurement&control[J],2005,27(4):243~259六、指导教师审批意见签名：年月日09/2011:46102机体齿飞面孔双卧多轴组合机床及CAD设计09/0820:023kN微型装载机设计09/2015:0945T旋挖钻机变幅机构液压缸设计