PID控制器是过程控制中应用最为广泛的控制器，而传统PID控制器参数整定难以达到最优状态，同时，存在控制结果超调量过大、调节时间偏长等缺点，因此，将变异粒子群优化算法（Mutation Particle Swarm Optimization，MPSO）运用于BP-PID的参数整定过程中，设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制，以种群适应度方差与种群最优适应度值为标准，进行种群变异操作，可以克服早熟，提高收敛精度和PSO的全局搜索能力，使MPSO优化的BP神经网络整定的PID控制器能以更快的速度、更高的精度完成过程控制操作。在实验中，通过比较BP-PID、PSO-BP-PID以及MPSO-BP-PID三控制器仿真结果，证明了所提MPSO算法的有效性和所设计MPSO-BP-PID控制器的优越性。

基于神经网络的自适应PID控制器 通过将RBF（BP）神经网络和PID控制器相结合，建立了神经网络PID控制器，采用传递函数进行系统建模，通过自动调整PID参数，实现了对方波信号的跟踪。 程序有注释

基于模糊神经网络PID控制器的matlab仿真+提供代码操作视频 运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

本程序针对多输入多输出的耦合网络，设计了PID神经元网络，达到了很好的控制效果。

本文针对大功率船舶柴油发电机组具有的不确定性、时变性、非线性和大纯滞后等特性,借鉴RBF神经网络与模糊控制各自的优势,将模糊控制与RBF神经网络进行有机融合,设计了基于模糊RBF神经网络的船舶柴油发电机组转速PID控制器,并对船舶柴油发电机组转速控制系统分别在正常工况和异常工况下的动态过程进行仿真与分析。通过与常规PID控制、RBF神经网络PID控制和模糊PID控制三种方法下的仿真效果进行比较,验证了本文提出的方法具有更好的稳定性和抗干扰能力。

太原理工大学运动控制系统课程设计《基于RBF 神经网络PID 控制双闭环直流电动机调速系统设计》，完整可直接使用，包含matlab工程文件

可以实现简单的PID参数调整进而实现PID控制

本硕博研究专用 其中常规PID和模糊PID是用仿真实现的，神经网络PID是用编程实现的。

神经网络PID控制及其Matlab仿真.pdf

神经网络PID控制及其Matlab仿真.pdf