伺服驱动系统被广泛应用于航空航天和军事等重要领域中,其运动性能的好坏与驱动系统控制参数密切相关,这就要求伺服系统的控制参数能够实现在线自整定,以达到使伺服驱动系统控制始终处于最佳状态的目的。一般来说,需设定的PID控制参数是在反复整定的基础上得到的,整定过程繁琐复杂,耗时费力,又由于伺服电机的实际运行状态难于观测,所以对不同参数的实际控制效果难于做出评价。因此,研究伺服驱动系统控制参数自整定技术具有十分重大的工程实践意义和理论研究价值。课题研究的主要目的就是根据伺服驱动系统的控制参数对运动性能的影响规律,采用先进控制算法来对PID控制参数进行自整定,以此来改善伺服驱动系统的稳态精度和动态性能,从而达到满意的控制效果。本文首先对传统PID控制参数整定算法及其改进算法进行探讨,同时对智能PID控制参数自整定技术做了研究,并对人工神经网络参数自整定做了深入的研究分析,提出了基于一种BP神经网络控制参数自整定算法,最后在伺服驱动系统控制平台下采用Matlab仿真软件对伺服驱动系统控制参数自整定算法做了仿真实验,并对结果进行了分析。仿真结果表明:基于BP神经网络控制的参数自整定算法能够克服被控对象的不确定性和非线性,很好地解决了伺服驱动系统控制参数自整定的问题。该控制算法能够显著提高伺服驱动系统的动态响应和跟踪精度,并且能够减小控制系统的振荡,在快速响应的同时实现系统无静差,适用于复杂的时变非线性和强干扰的伺服控制系统。