现在已经提出的神经网络和 PID 控制相结合的方法大致可以归结为两种类型：一） 采用神经元网络整定 PID 参数；二）单神经元结构的 PID 控制器。然而这两种类型在 拥有的优势的同时，也都有自己的劣势，具体分析如下：81549

1 采用神经元网络确定 PID 参数

 神经网络与 PID 控制现有结合方式一

在传统的 PID 控制器的基础上增加了一个或者多个的神经网络，利用神经网络的 自学习的功能来确定和调整 PID 参数，它的结构如图 1-1。

由图 1-1 可知，这个控制器可分为两个部分:其一是传统 PID 控制器的结构，使 其对系统偏差信号进行比例、积分以及微分处理并且进行加权重值相加，所以这些权 重值是比例、积分和微分系数；其二则是神经网络，普遍都采用多层前向网络，这个 网络根据系统的输入以及输出信息，通过不断的学习与调整来提供第一部分所需要的 PID 参数。

2 单神经元结构的 PID 控制器论文网

神经网络与 PID 控制现有结合方式二

单神经元结构的 PID 控制系统的结构如图 1-2，三个并联在一起作为单神经元网 络，它不但要对 P、I、D 进行整理，而且其输入信号也可以细分为系统偏差、偏差的 积分以及微分。 经过上面两张图的比较，我们可以知道它们的形式都是一样的，它们所不一样的是传 统 PID 控制器的参数都是在开始给定的或者说是固定的，而第一种形式的控制器的参 数所对应的权重值是可以通过某些方法来改变的。

到现在为止，PID 控制仍然是实际中应用范围非常广泛的一种常规的控制方法， 只要其三个控制项能够完美的配合，一般可以获得稳定且精确的控制效果。但是它也 会出现与传统控制一样的问题。目前已经有很多试图改善其性能的研究成果出现，这 些方法各有其优缺点，其中也包括了神经网络与 PID 控制相互结合的研究。然而，目 前出现的神经元网络和 PID 控制相互结合的方法都存在着各自的缺陷，在这些方法中 仅仅是用神经元网络加以辅助选取的 PID 参数。所以，即使传统的 PID 控制的性能取 得了一些改进，但是控制系统也同样存在一般神经网络所具有的弱点。