摘要：PID控制器通常都具有简单的系统结构、很强的适应性、广泛的应用性这三大突出优点。然而单纯的使用PID控制进行控制，控制结果通常都不能达到令人满意的程度，针对具有时变性和非线性的控制对象，传统的PID控制更是不尽人意。对于传统的PID控制而言，如何合适的整定参数是关键性问题，而且传统的PID对于对象的数学模型的依赖度很强，导致其没有很好的适应能力，控制精度自然很受影响。针对工业控制领域中复杂的系统，PID控制已经满足不了需求，因此提出了基于人工神经网络整定的PID控制器。在系统中增加一个DRNN神经网络模块，使其本身作为辨识器对被控对象进行辨识，利用DRNN神经网络具备的的自学习、自适应能力对系统的控制参数进行在线整定。为其建立在线参考模型，通过对DRNN神经网络连接权值的不断调整从而实现对PID参数的在线整定。对于具有非线性和时变性系统而言，基于人工神经网络整定的PID控制器具有很好的控制效果。这类控制器是把人工神经网络与PID控制技术相互结合，因此这种控制器不仅具有结构简单等传统PID控制器的优点，更融合了神经网络的自学习等能力。通过仿真结果可以看出，该方法可以实现更为有效的控制，具有较高控制精度与较好的动态性能，在自适应能力等方面与传统的PID控制器相比都有所改善。基于DRNN神经网络整定的PID控制器，通过DRNN神经网络的在线辨识得到梯度信息，根据梯度信息不断地对PID的参数进行在线调整，从而使参数实现自整定，进一步使系统的控制结果得到更好的完善。

关键词：DRNN，PID，参数整定，仿真，Matlab