PID控制系统最终的目的是让PID控制达到人们所期望的效果，然而我们怎样才能达到人们所期望的效果呢？那就是将PID控制器中的三个参数K_P、K_I、K_D进行完美无缺的优化。当PID控制器面对复杂多变的过程控制系统时，往往会遇到许多问题例如被控制的对象所处的环节会随着外界因素的干扰发生改变，这时候PID控制系统又应该如何应对这个困难呢？ 然而PID控制器无法应对这样的问题，它不能根据被控制的对象所处环境的改变对于自己的三个参数K_P、K_I、K_D进行调整。这就是PID控制需要解决的问题之一。这些年控制算法被不断的研究，智能控制技术在不断的发展，衍生出了许多新的PID控制器，它们和智能控制技术相结合。现在主流的智能PID控制器主要有模糊PID控制器、神经网络PID控制器和基于遗传算法以及基于蚁群算法的PID控制器、专家系统型PID控制器等等。在实际的工业生产环节中，PID控制器所需要控制的对象往往都是复杂的，不是线性的、会随着时间的变化而变化和纯滞后等特点。PID的参数甚至是对象的数学模型都会在负面因素的影响下随时间和工作环境的变化而变化，负面因素包括干扰和噪声等因素。PID控制为了避免负面因素的影响， PID参数的整定对于对象的数学模型要做到不依赖并且能够实时在线调整。控制对象参数的范围变化过大这个问题传统PID方法难以解决，需要引入神经网络来解决的问题。神经网络能够有效解决PID参数无法在线进行调整的问题。单神经元是神经网络的基本单位。单神经元PID控制器的结构非常简单，学习算法中带有明确的物理意义，学习算法中的计算相对于其他算法要少得多，而且能够自主学习、自我适应、自动组织。该PID控制器的智能程度较高能够自动辨识被控过程参数、自动调整控制参数、自动适应被控对象参数的变化，鲁棒性强、可靠性高，这类控制器已在实际问题中得到了应用 [1]。

1.2PID控制技术的应用及特点

    PID控制器由比例环节(P)、微分环节(D)和积分环节(I)组成。PID控制器的工作原理是通过系统的输入和输出来确认偏差，通过偏差来调节参数。基本PID控制系统结构如图1.1所示，其中虚线框内的部分是PID控制器[2]。

 完整的反馈控制系统有三个部分，第一部分是测量，第二部分是比较，第三部分是执行。第一步骤测量输入变量的输出值，并与系统预期的输出值比较，第二个步骤是纠正并调节控制系统，它的基本原理是基于第一步中测得的PID控制偏差。在PID控制系统，根据不同的偏差e（t）的系统设定值R（T）和系统输出y（t）值，积分和微分线性偏差加权组合来决定PID控制器U（t）的产值，一个连续的控制系统数学模型的一般形式可描述为:

 写成传递函数的形式 

K_D在上式中K_I是积分系数、K_P是比例系数、是微分系数;T_(D=) K_D/K_P 称作微分时间常数，T_I= K_P/K_I称作积分时间常数。

一个完整的PID控制器共包括三个环节:比例环节、微分环节和积分环节。各个环节的作用重点是不一样的。

  比例调节主要作用按比例反应控制系统的误差信号e（t）。系统产生偏差控制器的比例调节将产生减少偏差的影响。大的比例作用可以加速调整的速度，以减小误差，但其比例调节过大，则系统的稳定性会产生下降。单P控制器具有以下优点：结构简单，响应速度快，但会对有自我平衡的系统生成静态误差，当面对一个时间滞后系统产生振荡，动态特性不是很好。因此，对于复杂的控制的环境中，一个单一的比例控制调节是无法满足性能要求。