针对多输入多输出（MIMO）复杂过程控制中控制性能偏慢等问题，对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。

实现了51单片机的单神经网络pid控制，包含preteus仿真与keil程序，对电炉丝控制具有较好的控制效果

通过BP神经网络实现PID参数在线正整定。

【MATLAB2016a】模糊自适应PID双闭环直流调速系统（带负载），使用步骤请看B站视频：https://www.bilibili.com/video/BV1dt4y1x7q6?spm_id_from=333.999.0.0&vd_source=7c338f7ca9e256485c1a0c569850c46c

SPO_BPNN_PID：基于粒子群优化的神经网络PID控制

本文简要介绍了微波加热的原理，分析了微波加热目前国内外的研究现状，具体介绍了模型参考自适应控制（MRAC）的结构和原理，将MRAC运用到微波加热中与传统微波加热系统做了对比实验，仿真结果表明，与传统PID控制微波加热系统相比，应用MRAC的微波加热系统具有更好的跟踪性能和鲁棒性。这表明应用MRAC方法可以消除抖振现象，呈现出良好的跟踪性能，能有效避免超调，并提供快速的稳定时间，这将间接提高微波加热过程的有效性。最后结合我实验室的工业微波炉，对将MRAC同神经网络结合来实现对微波加热时温度的更精确控制作出了展望。

为改善配备有多段液压机械无级变速器(hydro-mechanical continuously variable transmission,HMCVT)拖拉机的动态响应性能和行驶平稳性,保证拖拉机按照目标车速稳定行驶,提高拖拉机的驾驶舒适性和作业质量,以东方红400马力轮式拖拉机为研究对象,对多段HMCVT拖拉机行驶车速进行神经网络PID控制研究。根据实际车速变化实时调节PID控制器的参数,实现对目标车速的控制。利用Matlab/Simulink仿真建模软件建立神经网络PID控制器和拖拉机传动系统模型,对多段HMCVT拖拉机进行神经网络PID控制仿真并与常规PID控制进行比较可知,神经网络PID控制器对车速控制具有更好的自适应能力和鲁棒性。研究结果可为多段HMCVT拖拉机的自动化操作控制提供参考。

针对老式矿井输送机控制系统中存在的启动力矩小、启动电流大、调速范围窄等缺点,设计了基于神经网络PID控制器的开关磁阻电机调速系统,利用拥有自学习和自适应能力的BP神经网络建立速度自适应控制器。仿真结果表明,这种调速系统启动力矩大,转矩脉动小,具有较强的鲁棒性和良好的动态性能。

（matlab）PSO和BPNN_PID(基于粒子群优化的神经网络PID控制).zip

GA-BP神经网络PID控制器在BLDCM控制系统中的应用