被广泛应用于工业控制过程中，尤其适用于可建立精确数学模型确定性控制系统。对于传统控制器，在把其投入运行之前，要想得到较理想控制效果，必须先整定好三个参数即比例系数积分系数微分系数。但是如果控制器参数整定不好，即使控制器本身很先进，其控制效果也会很差。随着工业发展，控制对象复杂程度也在不断加深，许多大滞后时变非线性复杂系统，如温度控制系统，被控过程机理复杂，具有高阶非线性慢时变纯滞后等特点，常规控制显得无能为力另外，实际生产过程中存在着许多不确定因素，如在噪声负载振动和其他些环境条件下，过程参数甚至模型结果都会发生变化，如变结构变参数人工神经网络构成基本原理神经网络结构前馈网络反馈网络神经网络学习方式监督学习有教师学习非监督学习无教师学习再励学习强化学习神经网络神经网络发展简史数学模型被控对象信息辨识算法神经网络学习算法本章小结控制器控制器简介经典控制原理现有控制器参数整定方法控制局限本章小结基于神经网络整定控制器设计神经网络整定原理神经网络控制器设计本章小结仿真分析系统稳定性分析系统抗干扰能力分析系统鲁棒性分析本章小结结论参考文献致谢附录仿真程序绪论课题研究背景及意义控制器按比例积分和微分进行控制调节器是最早发展起来应用经典控制理论控制策略之，是工业过程控制中应用最广泛，历史最悠久，生命力最强控制方式，在目前工业生产中，以上控制器为控制器。控制器算法简单鲁棒性好和可靠性高，控制效果良好，因此被广泛应用于工业控制过程中，尤其适用于可建立精确数学模型确定性控制系统。对于传统控制器，在把其投入运行之前，要想得到较理想控制效果，必须先整定好三个参数即比例系数积分系数微分系数。但是如果控制器参数整定不好，即使控制器本身很先进，其控制效果也会很差。随着工业发展，控制对象复杂程度也在不断加深，许多大滞后时变非线性复杂系统，如温度控制系统，被控过程机理复杂，具有高阶非线性慢时变纯滞后等特点，常规控制显得无能为力另外，实际生产过程中存在着许多不确定因素，如在噪声负载振动和其他些环境条件下，过程参数甚至模型结果都会发生变化，如变结构变参数活方面，平老师也处处关心学生，给予了我很大帮助。在此，我由衷地对于老师说声谢谢,。最后再次向所有曾给予本人帮助支持和鼓励良师益友和同学们表示最衷心感谢,感谢各位老师百忙之中对本文审阅和提出宝贵意见,附录仿真程序，系统稳定性被控对象数学模型系统鲁棒性被控对象数学模型系统抗干扰能力，在时加扰动人工神经网络构成基本原理神经网络结构前馈网络反馈网络神经网络学习方式监督学习有教师学习华北电力大学毕业设计论文系别专业班级学生姓名秦术员指导教师年月题目基于神经网络整定控制器设计及仿真Ⅰ基于神经网络整定控制器设计及仿真摘要目前，因为控制具有简单控制结构，可通过调节比例积分和微分取得基本满意控制性能，在实际应用中又较易于整定，所以广泛应用于过程控制和运动控制中，尤其在可建立精确模型确定性控制系统中应用比较多。然而随着现代工业过程日益复杂，对控制要求逐步增高如稳定性准确性快速性等，经典控制理论面临着严重挑战。对工业控制领域中非线性系统，采用传统控制不能获得满意控制效果。采用基于梯度下降算法优化神经网络，它将神经网络和控制技术融为体，既具有常规控制器结构简单物理意义明确优点，同时又具有神经网络自学习自适应功能。因此，本文通过对神经网络结构和计算方法学习，设计个基于神经网络整定控制器，构建其模型，进而编写语言程序。运用软件对所设计神经网络整定控制算法进行仿真研究。然后再进步通过仿真实验数据，研究本控制系统稳定性，鲁棒性，抗干扰能力等。关键词神经网络参数整定Ⅱ，，，，，目录摘要ⅠⅡ绪论