随着现代工业过程的不断复杂,实际生产过程中的非线性、时变性和不确定性的增加,传统的PID控制器已经不能满足现实需要。因此我们力图将近些年发展起来的一些先进的智能控制方法应用到PID控制领域中,找出更加有效的控制策略。在本文中,对模糊神经网络控制器的设计各个环节进行了研究,主要研究了智能算法在现代控制中的实际应用,包括人工神经网络、遗传算法及模糊逻辑在模型辨识、PID参数整定和控制器设计中的应用。首先对智能控制的发展和研究现状进行了介绍。然后,重点介绍了PID控制、模糊理论、人工神经网络以及模糊神经网络等基本知识,对模糊推理与神经网络结合的背景以及经典模糊神经网络的结构进行了介绍。进一步学习了遗传算法和系统辨识及参数优化的基本知识,提出基于BP神经网络的系统滞后常数辨识,结合遗传算法的投影算法对系统参数进行识别,利用遗传算法对PID控制器的参数进行优化的方法。其次,学习研究了基于RBF结构的模糊神经网络,对基于RBF结构的模糊神经网络PID型控制器进行了设计和仿真实验,讨论其优点和不足。最后,针对前一种控制器的不足,又对基于模糊小脑神经网络的控制器进行了研究和设计,针对时变性较弱的非线性系统,提出基于一种模糊推理的小脑神经网络结构的模糊神经网络与PID复合控制；针对时变性较强的非线性系统,提出一种利用现代控制稳定性理论作为其理论指导的模糊小脑神经网络PD型控制器,并进行了仿真实验,结果表明所提出的控制策略能够在时变非线性控制对象上获得鲁棒特性较好的控制性能。