引言
矿用电铲及其车辆大部分采用伺服电机拖动，因此电机的好坏及其能否正常平稳运行直接影响电铲和车辆的可用率。PID是工业过程控制中最常见、应用最广泛的一种控制策略，它具有原理简单、使用方便及适应性强等优点。尽管工业自动化飞速发展，但95％以上的回路具有PID结构。PID控制要取得较好的控制效果，就必须通过调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，从变化无穷的非线性组合中可以找出最佳的关系。由于传统的PID控制器的kp,ki,kd参数是固定的，而现实系统中数学模型往往是非现性、时变的系统，因此普通的PID控制器已不能满足其要求，神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制。神经网络的自学习、自组织的能力，可实现PID参数的在线自整定和优化，避免了人工整定PID参数的繁琐工作。将BP神经网络自整定的PID控制应用在矿用伺服电机控制系统中，取得了良好的控制效