基于Smith預估補償與RBF神經網絡的改進

近20年來，工業界關于恒溫控制的難題分別是：大滯后、強耦合、時變、嚴重干擾以及對非線性對象的控制，這些問題始終都沒有得到切實解決。針對此類現象，利用RBF神經網絡強大的在線學習能力與Smith預估補償原理，提出了基于RBF神經網絡與Smith預估補償的改進PID控制算法，以期能夠很好地適應復雜的工業恒溫控制。