传统的PID控制器参数优化方法容易产生振荡和较大的超调量，因此智能算法如遗传算法（SGA）和粒子群算法（PSO）被用于参数优化，弥补传统算法的不足，但是遗传算法在进化过程中收敛速度慢，粒子群算法存在易于早熟的缺点。在分析量子粒子群算法（QPSO）的基础上，在算法中引入了权重系数，提出使用改进的量子粒子群算法（WQPSO）优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后，通过三个传递函数实例，分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计，并对结果进行了分析。

使用BP神经网络、RBF神经网络以及PSO优化的RBF神经网络进行数据的预测

恒温控制技术在现代工农业生产领域和日常生活中已广泛应用，恒温控制得好坏直接影响着工业的安全生产、效率和质量。利用数字PID算法在电热恒温水壶中的应用，实现了对电热水壶进行恒温控制。由于水温检测具有局部性，加热中的水温度不均匀，模拟控制中检测环节误差较大，而用数字PID系统能实现智能化检测分析控制，硬件相对简单很多。

基于Matlab的积分分离PID控制算法及仿真.doc

基于径向基神经网络（RBF）的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上

基于径向基神经网络（RBF）的数据分类预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的数据分类预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的数据分类预测（Matlab完整程序和数据） 运行版本2018及以上

基于径向基神经网络（RBF）的时间序列预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的时间序列预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的时间序列预测（Matlab完整程序和数据） 运行版本2018及以上

内含盖：模糊PID使用算法教程，如何运用simulink搭建PID模糊算法。毕业设计可用。PID模糊电机控制，可以更换控制对象，参数可调。

太原理工大学计算机控制技术课程设计《二自由度微分先行PID设计》，工程文件和报告均有，可直接修改完善使用

太原理工大学计算机控制技术课程《设计变速积分PID控制系统设计》，包含工程文件与课设报告，可直接修改使用