1.一种抑制轧机扭振的智能控制方法，它包括以下步骤：(1)设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集；

(2)对神经网络进行训练，不断学习，直到得到PID的最佳参数；所述神经网络的训练是在matlab/anfisedit中进行的，网络类型选用的是BP网络，分为五层；

(3)对训练好的模糊-神经网络PID控制器进行仿真验证该方法的有效性；所述在matlab/simulink中搭建仿真系统，其中，模糊神经网络部分采用训练完成的网络，通过编写S函数实现；轧机部分用轧机二质量系统，设在0s处加单位阶跃模拟轧机的起振，在3s处突加单位阶跃模拟轧机的扭振，其特征在于：所述步骤(1)中，设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集；包括以下步骤，a、确定模糊论域，本文的模糊语言变量为：误差e和误差导数 其论域值为[-4，4]，变量为[NB，NM，NS，ZE，PS，PM，PB]，即负大、负中、负小、零、正小、正中、正大；隶属度函数采用高斯型；PID三个参数KP、KI、KD论域取[1，2]，变量为[PE，PS，PM，PB，PL]，即零、正小、正中、正大、正最大；

b、确定隶属度函数，本文采用的隶属度函数是高斯型，c、确定模糊推理规则表；

表1 模糊推理规则表

表1(续表)

d、模糊推理，求解模糊关系方程产生相应的模糊矢量。本文采用的是Takagi-Sugeno型推理；

e、模糊结果精确化，本文采用的是中位数法(bisector)，当z0＝df(z)μc(z)满足：则取μc(z)的中位数作为z的清晰量。