本书是作者多年来在基于自然计算的PID控制器参数整定与实现方面进行深入研究的基础上撰写而成的。在吸收国内外许多具有代表性的最新研究成果的基础上，本书着重介绍作者在这一领域的研究成果，主要包括：PID控制器参数整定方法；分数阶PID控制器的参数整定；基于QDRNN的多变量PID控制器参数整定；数字PID控制器的FPGA实现；基于BP神经网络的PID控制器的FPGA实现；基于遗传算法的PID控制器的FPGA实现；基于粒子群算法的PID控制器的FPGA实现；主要算法的基本程序。
　　本书可作为与自动化相关专业的师生、研究人员以及工程技术人员的参考书。

　　自20世纪30年代以来，生产自动化技术取得了惊人的成就。工业自动化涉及的范围极广，过程控制是其中最重要的一个分支，工业生产对过程控制的要求是安全性、经济性和稳定性。过程控制的任务就是在了解、掌握工艺流程和生产过程的静态和动态特性的基础上，根据上述三项要求，应用理论对控制系统进行分析和综合，最后采用适宜的技术手段加以实现。在很多情况下，只需采用商品化的常规调节器进行PID控制就可以实现其控制任务。PID控制器自产生以来，一直是工业生产过程中应用最广、也是最成熟的控制器，目前大多数工业控制器都是PID控制器或其改进型。尽管在控制领域，各种新型控制器不断涌现，但PID控制器还是以其结构简单、易实现、鲁棒性强等优点，处于主导地位。对PID控制器的设计和应用，核心问题之一是参数的整定。控制器的参数整定就是对一个已经设计并安装就绪的控制系统，通过控制器参数的调整，使得系统的过渡过程达到最为满意的质量指标要求。一个控制系统的质量取决于对象特性、控制方案、干扰的形式和大小，以及控制器参数的整定等各种因素。然而，一旦系统按所设计的方案安装就绪，对象特性和干扰值等基本固定下来，这时系统的质量主要取决于控制器参数的整定。合适的控制器参数会带来满意的控制效果、不合适的控制器参数会使系统的质量变坏。因此，在方案设计合理和仪表选型合适的基础上，控制器参数整定的合适与否对控制器质量具有重要的影响。

前言
第1章 绪论
1.1 PID控制器参数整定的发展与现状
1.2 PID控制器参数整定的分类
1.3 PID控制的基本原理

第2章 PID控制器参数整定方法
2.1 常规Z-N整定方法及实现分析
2.2 基于模糊控制的PID控制器参数整定
2.2.1 模糊控制
2.2.2 模糊控制器的原理与组成
2.2.3 模糊自适应PID控制器参数整定原理
2.2.4 模糊自适应PID控制器参数整定算法
2.2.5 基于模糊控制PID控制器参数整定的仿真
2.3 基于小波神经网络的PID控制器参数整定
2.3.1 神经网络
2.3.2 人工神经元
2.3.3 神经网络的功能和学习方式
2.3.4 BP神经网络
2.3.5 基于BP神经网络的PID控制器设计
2.3.6 小波神经网络
2.3.7 小波神经网络的PID控制器设计
2.3.8 数例仿真
2.4 基于遗传算法的PID控制器参数整定及仿真
2.4.1 遗传算法的基本原理
2.4.2 改进的遗传算法
2.4.3 改进的遗传算法PID控制器设计
2.4.4 数例仿真
2.5 基于克隆选择算法的PID控制器参数整定
2.5.1 克隆选择算法的基本框架
2.5.2 基于克隆选择算法的PID控制器参数整定
2.5.3 仿真结果
2.6 基于粒子群算法的PID控制器参数整定及仿真
2.6.1 粒子群算法基本原理
2.6.2 基于PSO的PID控制器参数整定
2.6.3 标准的PSO算法在PID控制器参数整定中的应用
2.6.4 仿真结果
2.6.5 改进的PS0算法原理
2.6.6 基于改进PS()的PID控制器参数整定
2.6.7 仿真结果.
2.6.8 改进的PSO与标准PSO仿真结果比较
2.7 多目标H2／HOO鲁棒PID控制器参数整定
2.7.1 线性矩阵不等式理论
2.7.2 LMI区域与H2／H2性能
2.7.3 LMI区域的描述
2.7.4 H2性能指标
2.7.5 H性能指标
2.7.6 系统数学模型的建立
2.7.7 多目标H2／HPID控制器设计
2.7.8 多目标最优HzPID控制器的设计
2.7.9 数例仿真

第3章 分数阶PID控制器的参数整定
3.1 分数阶微积分的定义
3.2 分数阶控制器
3.3 分数阶PID控制器的数字实现
3.4 基于粒子群算法的分数阶PID控制器参数整定
3.5 基于神经网络的分数阶PID控制器参数整定
3.6 基于免疫克隆选择算法的分数阶PID控制器参数整定

第4章 基于QDRNN的多变量PID控制器参数整定
4.1 对角递归神经网络
4.2 对角递归神经网络.Jacobian信息辨识
4.3 准对角递归神经网络
4.4 准对角递归神经网络Jacobian信息辨识
4.5 基于准对角递归神经网络多变量PID控制算法
4.6 数例仿真

第5章 数字PID控制器的FPGA实现
5.1 数字PID控制器的硬件架构设计
5.2 各模块功能设计与实现
5.2.1 控制模块的设计与实现
5.2.2 加法器与乘法器设计与实现
5.3 数字PID控制器的开环仿真

第6章 基于BP神经网络的PID控制器的FPGA实现
6.1 硬件架构
6.2 各功能模块的设计及实现
6.3 仿真实验及结果分析

第7章 基于遗传算法的PID控制器的FPGA实现
7.1 基于GA的PID控制器的硬件架构
7.2 各个功能模块设计与实现
7.2.1 控制模块设计与实现
7.2.2 随机数模块设计与实现
7.2.3 存储器模块设计与实现
7.2.4 适应度模块设计与实现
7.2.5 初始化模块设计与实现
7.2.6 选择模块设计与实现
7.2.7 交叉变异模块设计与实现
7.2.8 存储模块设计与实现
7.3 仿真实验及结果分析
7.3.1 各模块的功能仿真
7.3.2 基于遗传算法的PID控制器闭环仿真

第8章 基子粒子群算法的PID控制器的FPGA实现
8.1 粒子群算法运行参数的选择
8.2 基于粒子群算法的PID控制器的硬件架构
8.3 各功能模块设计与实现
8.3.1 控制模块设计与实现
8.3.2 存储器模块设计与实现
8.3.3 全局最优模块设计与实现
8.3.4 局部最优模块设计与实现
8.3.5 惯性因子模块设计与实现
8.3.6 速度位置更新模块设计与实现
8.3.7 其他模块设计与实现
8.4 仿真实验及结果分析

附录
附录A 主要算法的基本程序
A.1 基于BP神经网络的PID控制器参数整定源程序
A.2 基于小波神经网络的PID控制器参数整定源程序
A.3 基于改进遗传算法的PID控制器参数整定源程序
A.4 基于准对角递归神经网络多变量PID控制器参数整定源程序
A.5 实数编码的粒子群算法源程序
附录B 基于粒子群算法的PID控制器的FPGA实现源程序
附录C ModelsimSE的使用简介
C.1 添加Altera仿真库的步骤
C.2 功能仿真步骤
参考文献