图3 神经网络控制系统的原理框图

4.Fuzzy-PID控制

模糊控制不需知道被控对象的精确模型，易于控制不确定对象和非线性对象。 PID本质是线性控制 。将模糊控制与PID结合多，以Fuzzy-PID混合控制为例，据给定值与测量值之偏差e选择智能控制器，根据e的变化选择控制方法，当|e|≤emin或|e|≥emax时，采用PID控制；当emin≤|e|≤emax时，采用Fuzzy控制。其结构框图如图4。

图4 Fuzzy-PID混合控制结构框图

5.神经网络PID控制

在PID控制的基础上，加入神经网络控制器，构成神经网络PID控制器，如图5。神经网络控制器NNC是前馈控制器，通过对PID控制器的输出进行学习，在线调整自己，目标是使反馈误差e(t) 或u(t)趋近于零，使自己逐渐在控制中占据主导地位，以减弱或最终消除反馈控制器的作用。晖仪表YR-GAD系列人工智能调节器/温控仪使用的就是神经网络PID控制控制算法。

图5 神经网络PID控制结构框图

6.模糊神经网络控制

将模糊逻辑与神经网络结合，采用神经网络模糊逻辑推理网络模型和快速的自学习算法，通过网络的离线训练和在线自学习使控制器具有自调整、自学习和自适应能力，达到模糊智能控制。如图6。

图6 模糊神经网络控制系统结构图

7.遗传PID控制

遗传PID控制是将控制器参数构成基因型，将性能指标构成相应的适应度，利用遗传算法来整定控制器的最佳参数，不要求系统是否为连续可调，能否以显式表示。基于遗传算法的自适应PID控制的原理框图如7。

遗传PID温控系统将测量值与给定值进行比较，用遗传算法来优化PID参数，然后将控制量输出，实现将PID参数串接构成完整染色体，从而构成遗传空间中的个体，过通过繁殖交叉和变异遗传操作生成新一代群体，经过多次搜索获得最大适应度值的个体。

图7 基于遗传算法的自适应PID控制结构图

8.广义预测控制

预测控制(Predictive Control)是基于模型的计算机控制算法。其预测模型有脉冲响应模型、阶跃响应模型、CAMRMA模型和CARIMA模型。基于CARIMA模型的广义预测控制(GPC)是一种新型计算机控制算法。

嵌入式专栏

3

常见温度控制方法的对比分析

通过上述温度控制方法的原理分析，下表给出各种温度控制特性与应用场合的情况。

将线性与非线性控制相结合。使温度能满足用户的精度要求是温控系统的最终目的。

在实际应用中，根据具体的应用场合、不同的加热对象、不同的控制要求和控制精度，选择不同的控制方式。

来源：

http://blog.sina.com.cn/s/blog_c687c00e0102w5oz.html

来源：

http://blog.sina.com.cn/s/blog_c687c00e0102w5oz.html

编排 | strongerHuang

微信公众号 | 嵌入式专栏

- END -

关注@面包板社区

学习更多机器人、电子电气、电路、嵌入式技术

STM32自平衡机器人设计（代码、电路图）

机械臂上多个伺服独立操控的实现

扫地机器人系统的解决方案

PID控制算法如何通过C语言和梯形图实现？

一文看懂编程中的基本数据结构与算法思想

初学者宝典：C语言入门基础知识大全

一道有趣的C语言算法题 返回搜狐，查看更多