人工智能的迅猛发展,为现代控制领域开拓了新的发展方向。PID控制器具有内部结构简单、稳定性好、鲁棒性强等优势使其在工业控制中被广泛应用。随着被控制对象复杂化程度的加深,现代PID控制的发展遇到了一定的瓶颈,主要体现在PID控制器的参数须提前设定且调整困难,因此PID控制器向现代化、自适应化方向的发展已变为不争的事实。为使控制器能够有效地处理非线性、时变以及内部结构(参数)未知的被控对象,提出了将神经网络与PID控制器相融合的智能控制器,这主要利用神经网络处理非线性问题的能力和自学习能力。突触是神经网络中神经元之间信息传输的纽带,忆阻器的问世为真实电子突触的构建提供了契机,其中忆阻值的动态变化能够很好的解决传统PID控制器在实际应用中参数不易调节的难题,为实现参数的自适应调整提供了全新的途径。此外,现代智能算法的引入不仅加快了系统的响应速度,而且提高了控制器精度,在一定程度上扩大了传统控制器的实用范围。本文致力于PID控制器的基础性研究,基于传统PID控制器的内部结构以及面临的主要挑战,提出了参数可自适应调整的PID控制器,通过将其应用于非线性系统以及自动电压调节器中,验证方案的有效性。论文的具体内容如下:(1)探讨了两类惠普忆阻器模型,即电荷控制的忆阻器模型、磁通量控制的忆阻器模型。同时,考虑到掺杂层漂移的边界效应对忆阻器的影响,引入了Joglekar窗函数、Biolek窗函数。进一步,神经元工作机制的概述,说明了生物突触与忆阻器之间存在一定的相似性,并在此基础上,分析了Hodgkin-Huxley神经元模型和LIF神经元模型。(2)前馈神经网络的非线性处理能力,弥补了传统PID控制器在非线性、内部结构或者参数未知等复杂被控系统的应用,并利用混沌粒子群算法初始化神经网络权重,以加速收敛速度,避免陷入局部最优,最快达到权重最优,同时也极大降低了对相关技术人员的经验要求。进一步,使用改进的梯度下降法调节权重误差,使系统误差达到最小。(3)基于忆阻器与神经突触相似的特点,提出新型自适应在线参数调整PID控制器。利用忆阻器的记忆特性,使神经网络的每次更新均映射到忆阻器的阻值中,并在忆阻器中保存此更新值,同时也可以实现权重更新过程中的累积功能。最后,将提出的新型自适应控制器应用在非线性系统和自动电压调节系统中以验证其有效性。(4)根据PID控制器的原理框图,构建控制器电路。同时运用电路元件搭建磁控忆阻器模型的等效电路,用于模拟具体的权值更新过程。进一步,使用忆阻器电路搭建基于LIF神经元的PID控制器等效电路。最终,将提出的新型控制器电路应用于线性系统和非线性系统中以检验整个设计的合理性和有效性。