1_论文模版.doc

（申请工硕士学位论文） PID神经网络控制算法工程 实现与应用 培养单位?： 工程领域?： 研究生?： 指导教师?：苏义鑫 副指导教师?： 2008年月 独 创 性 声 明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 签 名： 日 期： 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 （保密的论文在解密后应遵守此规定） 签 名： 导师签名： 日 期：  分类号 密 级 U D C 学校代码 10497 学 位 论 文 题 目 英 文Engineering Realization and Application of PID 题 目Neural Network Control Algorithm 研究生姓名 姓 名 苏义鑫?职称 教授 学位 博士 单位名称邮 编 430070姓 名 单位名称邮 编 申请学位级别 硕士 学科专业名称 论文提交日期 200论文答辩日期 学位授予单位 武汉理工大学 学位授予日期 答辩委员会主席 评阅人 2008年月  PID神经网络（PIDNN）是一种三层前向神经网络。PIDNN将比例、积分、微分 （PID）PID控制规律确定网络的连接形式和网络的连接权初值，将PID控制规律融合进多层前向神经网络而构成。 PIDNN具备多层前向神经网络的许多优良性能。其结构参照PID控制规律的要求，比较简单和规范。连接权初值按PID参数整定的基本原则确定，在此初值的基础上进行网络的训练、学习和调整，使网络的收敛速度很快且不易陷入局部极小点。 本文的主要工作如下： 本文从生物神经元特性出发，阐述了比例元、微分元、积分元的概念，给出PID神经元的定义、结构和算法。说明了PIDNN的单输出形式SPIDNN和多输出形式MPIDNN神经网络及其控制系统结构，给出了它们的前向算法和反传学习算法。 本文在MATLAB、LabVIEW和MCGS平台上，设计实现了基于PIDNN的控制系统仿真软件包。仿真结果验证了PIDNN控制器优良的控制性能。 本文研制了可用于多变量控制系统实验的三容液位实验平台。设计和建立了一个基于PID神经网络控制的实验系统，实现了对三容液位对象的控制，取得较满意的效果。 仿真和实验表明PIDNN控制器既具有多层神经网络和PID控制的优点，又克服了这两者在某些方面的不足之处，具有良好的控制性能。PIDNN可以用于多种类型的单变量系统和多变量系统的控制，具备上升时间短、超调小、稳态精度高等特点。 关键词：神经网络，PID控制，解耦控制，学习算法，仿真 ABSTRACT PID neural network （PIDNN）consists of three layers that are input layer, hidden layer and output layer so it is a multilayered neural network. PIDNN is different from other kinds of multilayered neural network because its hidden layer’s units are proportional （P）units, integral （I）units and derivative （D）units which active functions are proportional, integral and derivative functions respectively. PID