2.2.4 智能PID控制 
　　模糊控制、神经网络控制和专家控制是目前智能控制研究中最为活跃的领域，本小节就其组成的几种典型智能PID控制系统的基本结构、原理及特点分别进行介绍。
　　1．模糊PID控制
　　模糊控制系统是以模糊数学、模糊语言形式的知识表示和模糊逻辑的规划推理为理论基础，采用计算机控制技术构成的一种具有反馈通道的数字控制系统。它的组成核心是具有智能性的模糊控制器。
　　1）混合型模糊PID控制器
　　图2-7所示模糊控制器结构是由W.L.Bialkowski于1983年提出的，它是由一个常规积分控制器和一个二维模糊控制器相并联而构成的。

　　2）误差e模糊积分的PID模糊控制器
　　1988年由M.Basseville提出的又一种PID控制器，如图2-8所示。它是一种对误差e的模糊值进行积分的PID控制器，这种对误差e的模糊值进行积分的PID模糊控制器可用来消除大的系统余差。

　　2．专家PID控制
　　专家控制的实质是基于受控对象和控制规律的各种知识，以智能的方式来利用这些知识，求得受控系统尽可能地优化和实用化，它反映出智能控制的许多重要特征和功能。随着微机技术和人工智能技术的发展，出现了多种形式的专家控制器。人们自然地也想到用专家经验来建立PID参数。专家PID控制系统原理框图如图2-9所示。

　　3．智能PID自学习控制
　　一个系统若能通过在线实时学习，自动获得知识，并能将所学的知识用来不断改善一个具有未知特征过程的控制性能，则将这种系统称为自学习控制系统。智能PID自学习控制系统的结构如图2-10所示。该系统的特点是在智能PID控制即规则PID控制的基础上，重视和强调对该控制器的控制性能的评价，将这个评价结果反馈给PID参数的自学习机构，从而使系统在运行过程中能自动地对各PID的参数进行自学习和自整定。同时，若系统中出现扰动源或受控对象参数发生变化，系统的PID参数也能自动地修改和适应。

　　4．基于神经网络的PID控制
　　以非线性大规模并行处理为主要特征的神经网络，是以生物神经网络为模拟基础，试图模拟人的形象思维，以及学习和获取知识的能力。它具有学习、记忆、联想、容错、并行处理等种种能力，已在控制领域中得到广泛的应用。由单个神经元构成的PID控制系统，控制器输出可写成： 

（2-14）
　　权系数W_i（i=1，2，3）可以通过神经元的自学习功能来进行自适应调整，故可大大提高控制器的鲁莽性能。与常规PID控制器比较，无须进行系统建模，对具有不确定性因素的系统，其控制品质明显优于常规PID控制器。
　　基于神经网络的PID控制系统结构如图2-11所示。

　　近年来，国内外对智能PID控制的应用研究十分活跃并出现热潮，由于不需要确切知道系统的精确数学模型，具有很强的鲁莽性，所以智能PID控制具有广泛的应用前景。与应用研究相比，很多理论问题，诸如智能控制系统的稳定性和鲁莽性的研究还有待进一步的深入。