PID神经网络以经典的PID控制为基础,通过神经网络实现,进而进行自学习,具有良好的控制效果。该控制器是将神经网络和PID控制技术融为一体,既具有常规PID控制器结构简单,物理意义明确之优点,同时又具有神经网络自学习、自适应的功能。三自由度飞行器模型作为一个实验装置,形象直观,结构简单;作为一个被控对象,它又相当复杂,就其本身而言,是一个高阶次、不稳定、多变量、非线性、强耦合的具有三个自由度的多输入多输出系统,只有采用行之有效的控制方法才能使之稳定。本文主要进行了PID神经网络控制器的设计,主要内容有:(1)分析介绍了实物模型的组成,并对实物模型进行了数学建模,推出其状态方程,对数学模型进行了分析。(2)设计了PID神经网络控制器,进行了仿真和对实物的实时控制,结果表明,与BP-PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。通过计算机仿真证明了PID神经网络构成的控制器结构简单规范,具有良好的自学习和自适应解耦控制能力。系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制。能够使解耦后的系统具有良好的动态和静态性能,特别是依据PID控制规律来确定网络连接权的初值,具有参数快速收敛的优点。