PID控制器三个控制参数值的确定是PID控制器整定的关键技术。 PID参数整定和控制对象的动态特性相关，在实际工业过程控制系统中，控制器不得不面对一个极其复杂的环境，包括噪声的影响，输入值变化，负载扰动等因素，在此期间系统的模型结构可能发生变化，这一系列的干扰因素，对PID控制器参数整定提出了很高的要求。  62076

1942年Ziegler-Nichols方法的出现，这个著名的环路调节技术使PID算法在工业反馈控制系统中成为目前最常用的。然而，面对工业控制滞后、随时间变化和复杂的非线性系统，控制系统动态特性的改变，系统的参数是未知的或缓慢变化，不能得到系统模型或随机噪声的存在和其他因素会影响常规PID控制影响。于是乎，寻求智能PID控制方法来实现在线自整定参数的高指标的控制要求，并适应复杂工业控制系统是十分必要的。在工业过程控制作为重要的控制方法，和其他控制方法，以不断改进和工业控制技术的发展而领域PID控制，许多先进的算法应用到PID控制器，如自适应控制，智能控制，模糊控制和神经网络控制等现代控制理论控制进一步深化和研究为复杂的不规则的过程控制系统应用开发开辟了新的途径。近年来，许多新的PID控制器和各个PID参数整定方法逐步显现，它们控制了复杂的工业过程控制系统的效果比常规PID控制好得多。   

几十年来，在不断的进步PID控制器参数整定方法，特别是近几年，随着国际领域自动化PID自整定方法的深入研究，多种控制技术相结合已经提出和研究想法付诸实践中，这些方法的好处综合利用弥补的控制效果的缺陷进行了优化。最具代表性的是传统的PID控制相结合的智能控制方法，显示了广阔的前景，这是一个有前途的研究方向。单个神经元PID控制是神经网络和传统的PID控制器组合，以产生一种改进的控制方法是一个优化和改进了传统的PID控制。单个神经元PID控制器具有以下优点：单神经元PID控制器具有现场调整参数少、易于现场调试的重要特点，能较大地改善典型非线性时变对象的动态品质，能够适应过程的时变特性，保证控制系统在最佳状态下运行，控制品质明显优于常规PID控制器。  

单神经元PID控制研究现状

神经网络控制是一种基于人的生理和大脑形成的模拟智能控制与识别方法。人工神经网络的深入应用研究，新模型的不断推出。在智能控制领域，应用程序有一些RBF网络，Hopfield网络，BP网络。 BP网络是目前最广泛使用的网络模型，通常是通过一些学习规则来调节神经元之间的连接权论文网，但是，网络的拓扑结构和学习规则不改变。但一个神经网络的信息处理功能不仅取决于神经元和神经元之间的连接强度，而且与神经元的连接方法（网络的结构）有关。因此，为了加快网络的融合，提高了学习速率和网络适应性，网络结构的合理选择是非常必要的。  

单神经元PID控制是传统的PID控制器和神经网络PID控制器相结合，产生改进的方法是优化和改进传统的PID控制。[12]单神经元PID控制器具有以下特点：少一点调整参数，便于现场调试，可以大大提高一个典型的非线性对象的动态质量，可以适应的过程时变特性保证在最佳状态下工作的控制系统，质量控制比传统的PID控制器显著更好[12]。

在与二次型性能指标的计算控制方法最优控制理论，就可以得到理想的效果优化。思维和线性二次最优控制（LQR）理论，引入了单神经元控制二次型性能指标，并控制二次型最优控制的性能提高输出误差最小加权平方和调整加权系数，从而间接实施与控制输出误差增量加权约束控制。作为一个单神经元PID控制配置比例 - 积分 - 微分控制复杂的变量系数。它是通过结构，参数和自身的不确定性，了解系统并更改控制参数;引入二次型性能指标加权系数调整，使用和输出误差控制和最小增量来调整加权平方加权因子来加速学习率时，控制器具有较强的鲁棒性和实时性[4]。