- 课题背景及意义
随着自动控制理论的应用与发展，其已经进入人们生产的各个方面，对现代工业的发展有重要的作用。传统的控制理论中，应用最为广泛的莫过于PID控制，其工作简单可靠，主要应用于线性定常系统。然而并不是所有的系统都是线性系统，很多的系统都是非线性系统。所以常规的PID控制策略是首先建立被控对象的线性模型，而对于非线性对象，则是在其工作范围附近建立机理性模型[1]。但这个工作较为复杂，所以解决非线性系统的新型控制理论就变得极为重要。
自上世纪80年代以来，神经网络发展快速。神经网络模拟了人脑结构，是对生物神经元的一种简化和模拟，是一种有着很多连接的并行分布式处理器，有着通过训练来解决问题的能力。其知识存储于各个连接的权值之中，而非通常计算机那样存储到特定的存储容器中。神经网络作为一种新的方法体系，其具有非线性映射、分布并行处理、鲁班容错、自适应学习等特性。这些特性对于非线性系统的热工模型建立提供了强力手段。尽管神经网络有着很多优点，而且在很多领域如智能识别、智能控制、非线性优化、传感器等领域取得了很多成果，但仍然存在很多问题，如其学习时间速度慢和局部极化小等问题[2][3]。所以单纯的使用BP神经网络作为非线性系统的控制手段是不成熟的方案。
目前，在热控领域除了常规的PID调节外，还可以采用PTC加热元件进行主动温控，不过PTC系统只能通过加热的方式控温，当环境温度低于材料居里温度时，受控元件在在被加热到居里温度后，可通过材料自身的PTC特性对功率进行自动调节，达到良好的控温效果；而当环境温度高于居里温度时，即使不加热，也无法降低受控元件的温度[4][5]。
所以能否同时使用PTC和PIC调节，当需要降温时，采用神经网络PID控温。而当需要升温时，采用PTC自主控温[6]。
-
国内外研究现状
- 神经网络的发展历史
1943年，心理学家McCulloch和数学家Pitts参考神经元的结构，发表了抽象的神经元模型MP。其是一个包含输入、输出和计算功能的模型。其结构图如图1.1。
图1.1
MP模型虽然简单，但建立了神经网络的基础。不过，MP模型中的权值都是预先设定的，因此无法学习[2]。
1958年，计算机科学家Rosenblatt提出了由两层神经元组成的神经网络，并称之为“感知器”。在感知器中，有“输入层”和“输出层”。其结构图如图1.2。
