楼主的这个问题已经是六年前的问题了（今天2021年5月），不知道楼主现在还关注这个话题不？神经网络自整定PID肯定是有效的。

目前，神经网络自整定PID主要面临三个问题：一是初值选择的问题，不合理的初值很容易使闭环系统不稳定；二是神经网络自整定PID自身需要人为设定的参数较多，PID控制自身只需要三个人为设定参数，神经网络自整定PID则需要四个（三个初值和一个学习因子），这使得神经网络自整定PID比传统PID算法还要麻烦；三是缺乏完整的理论稳定性证明，神经网络自整定PID在线更新规则早已稳定，并且被广泛引用和应用，而基于神经网络自整定PID的闭环系统稳定性证明一直没有得到很好的解决，某种程度上，这限制了神经网络自整定PID的推广。

我个人也做了一些这样的研究，感兴趣的话可以参考我的一篇期刊论文。

Data-DrivenTrackingControlBasedonLMandPIDNeuralNetworkwithRelayFeedbackforDiscreteNonlinearSystems。

谷歌人工智能写作项目：小发猫

利用BP神经网络来整定PID，也许能实现A8U神经网络。但是书本上的这个BP-PID理论书本是错误的。你仔细看看，它的输出激活函数的值域是【0，1】，PID的参数不可能是只在这个范围啊！

可以说输出没有反归一化（值域扩展）。至于输入归一化，可用不做，但是输出在0和1之间，就是闹笑话了。

在工业控制中，PID控制（比例-积分-微分控制）得到了广泛的应用，这是因为PID控制具有以下优点：01不需要知道被控对象的数学模型。

实际上大多数工业对象准确的数学模型是无法获得的，对于这一类系统，使用PID控制可以得到比较满意的效果。据日本统计，目前PID及变型PID约占总控制回路数的90%左右。

02PID控制器具有典型的结构，程序设计简单，参数调整方便。

03有较强的灵活性和适应性，根据被控对象的具体情况，可以采用各种PID控制的变种和改进的控制方式，如PI、PD、带死区的PID、积分分离式PID、变速积分PID等。

随着智能控制技术的发展，PID控制与模糊控制、神经网络控制等现代控制方法相结合，可以实现PID控制器的参数自整定，使PID控制器具有经久不衰的生命力。

二，PLC实现PID控制的方法如图所示为采用PLC对模拟量实行PID控制的系统结构框图。

用PLC对模拟量进行PID控制时，可以采用以下几种方法：如图用PLC实现模拟量PID控制的系统结构框图使用PID过程控制模块。

这种模块的PID控制程序是PLC生产厂家设计的，并存放在模块中，用户在使用时只需要设置一些参数，使用起来非常方便，一块模块可以控制几路甚至几十路闭环回路。

但是这种模块的价格昂贵，一般在大型控制系统中使用。如三菱的A系列、Q系列PLC的PID控制模块。

三，FX2N的PID指令PID指令的编号为FNC88，如图6-36所示源操作数［S1］、［S2］、[S3]和目标操作数[D]均为数据寄存器D，16位指令，占9个程序步。

［S1］和［S2］分别用来存放给定值SV和当前测量到的反馈值PV，［S3］~[S3]＋6用来存放控制参数的值，运算结果MV存放在［D］中。源操作数［S3］占用从［S3］开始的25个数据寄存器。

如图PID指令PID指令是用来调用PID运算程序，在PID运算开始之前，应使用MOV指令将参数（见表6-3）设定值预先写入对应的数据寄存器中。如果使用有断电保持功能的数据寄存器，不需要重复写入。

如果目标操作数[D]有断电保持功能，应使用初始化脉冲M8002的常开触点将其复位。表6-3PID控制参数及设定ID指令可以同时多次使用，但是用于运算的[S3]、[D]的数据寄存器元件号不能重复。

PID指令可以在定。

。

-sptr->Integral*sptr->LastError//E[k－1]项+sptr->Derivative*sptr->PrevError;//E[k－2]项//存储误差，用于下次计算sptr->PrevError=sptr->LastError;sptr->LastError=iError;//返回增量值return(iIncpid);}＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝&