Z-N整定 PID整定 SIMULINK模型，参照书上的Z-N整定模型搭建

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题，提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中，PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定，模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整，仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案，仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。

阶跃响应波动区间显示、对角线元素提取、一元二次方程、二元一次方程、微分方程、二次微分方程、拉氏变换、反拉氏变换、Z变换、反Z变换、求均值和标准差、传递函数建立、稳定性判定、采用零极点位置判断系统稳定性、负反馈系统的零极点图、零极点构建传递函数、模型转换、脉冲响应、阶跃响应、闭环反馈系统的阶跃响应、 系统终值、峰值时间计算、超调量计算、上升时间计算、调节时间计算、稳态值&稳态误差、斜坡响应、根轨迹、增益K的变化、Bode图、系统幅频特性曲线、系统相频特性曲线、谐振峰值&谐振频率、nyquist图、Nichols曲线、PID参数校正、串联超前、串联滞后、串联滞后超前、等幅振荡法（PID调参）、频域法整定（PID调参）。

针对常规PID控制器和模糊PID控制器存在控制精度差、不能自适应、模糊规则难以确定等问题，本文提出一种基于RBF模糊神经网络的PID自整定控制算法，RBF模糊神经网络参数先采用遗传算法粗调，达到预定精度后，继续使用BP算法提高精度。通过在MATLAB中进行神经网络训练和PID仿真实验，表明了改进RBF模糊神经网络PID控制器具有收敛速度快、能够自适应、控制精度高等优点，具有一定的可行性。

本文件对PID参数kp,ki,kd进行寻优，以ITAE作为指标函数。 PSO 文件中有详细的参数设置和寻优过程 GA寻优与PSO寻优作为对比出现 figure1展示了随着迭代次数的变化，适应度函数的收敛情况 figure2展示了kp,ki,kd的迭代情况 ht 文件是用来画图的 问题解决思路.pdf 简要介绍了粒子群算法寻优的过程

通过复杂例子，采用误差反向传播的BP算法，实现Kp、Ki、Kd参数自整定

基于置信规则库推理的PID参数自整定方法

基于MATLAB的PID参数整定算法的仿真研究.doc

蚁群算法优化 PID参数的matlab代码仿真，有需要的同学可以下载，希望能够帮助到你，助你一臂之力

TEC温控PID参数调节，TEC温控可以实现小体积，精密控制温度，但前提必须设置好PID参数。