1.3.3　离散系统的数字PID控制仿真 仿真实例 设被控制对象为： 　采样时间为1ms,采用Z变换进行离散化，经过Z变换后的离散化对象为：

使用matlab编写的SOA算法，可以应用于PID参数优化整定

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。

什么是PID闭环控制系统？举个生活中的例子，我们所乘坐的动车，在即将到达站点的时候会切断动力，凭借惯性进入月台，如果火车在切断动力的时候时速是100km/h并且距离月台是1KM，那么这个100比1就是比例P的含义，P越大，他在站前开始滑行的速度也就越快，快的话也就是进入站台的时间比较短，但是过快也就意味着，惯性太大可能冲下月台，这也就不得不经行倒车，但是因为P过大，倒车以后的滑行同样会使得火车到过头，这样一来，就形成了一个反复前行后退的震荡局面，而P设置小了，进站的速度也就变得缓慢，进站的时间也就会变得越长，所以设置一个合适的P是PID的首要任务，由于P是一个固定值，如果将火车的速度与月台的距离用一个坐标理想化的表现出来的话，不考虑其他外力，那就是一条直斜线，越陡表示进站的时间越短。

现代高性能作战飞机普遍采用推力矢量技术，各种高空高速高机动再人弹头的威胁愈显突出，这对传统气动舵控制的导弹系统提出新的要求。现代导弹要求能够选择攻击目标，具有一定的抗干扰能力，实现全天候作战，这使得导弹向高精度、高智能、轻小型化发展；同时，导弹制导控制精度的提高已从制导转向控制。导弹目标范围不断扩大，由反飞机扩大至反巡航导弹、反弹道式导弹等反导任务。高空、高速、大机动已成为当今导弹目标的重要特征，目标的高速大机动特征导致弹一目相对运动加剧，对导弹末端过载提出很高要求；另一方面，目标的高空特征导致导弹系统效率大大降低，可用过载随高度的升高而大幅下降。为了解决这些矛盾，这里采用PID控制方法控制导弹的俯仰、偏航、滚动3个通道。

使用RBF神经网络对PID三个参数进行校准

PID算法在各种自动控制场合都有着非常重要的地位，但学习起来却并不容易，这篇教程把PID讲解的非常透彻，是学习PID难得的资料

PID温控实验平台搭建（四）——PID温控系统实验代码讲解 https://blog.csdn.net/qq_35953617/article/details/127868264

一个非常好的理解遗传算法的案例，让你轻轻松松学会GA遗传算法

基于matlab数字PID 控制系统综合仿真包含答辩文档、源程序和电子版报告，适用于电子类学科的大学生。本设计完成一个Matlab Simulink对单摆控制系统的仿真的设计，该设计能够实现小球从单摆角度为30度时落下时，使用PID算法控制小球快速无超调稳定到0度。