本文针对纯滞后控制系统研究了一系列先进的PID控制方法,以Matlab为工具分别对常规PID控制算法和智能PID控制算法进行了仿真研究。结果表明:在系统参数和环境不变的情况下,若设定合理的控制参数,常规PID控制方法在纯滞后控制系统中表现良好。考虑到常规控制的缺点,本文提出了模糊自适应非线性PID控制算法和改进的RBF神经网络PID控制算法,能根据被控对象的参数变化自适应调整PID控制参数,在自适应性、鲁棒性和易操作性等方面较常规PID算法有较显著的提高。主要研究方法如下:(1)通过对常规PID控制的研究,讨论了几种改进的PID控制方法,分析了在纯滞后系统控制中存在的一些常见问题。(2)分析了模糊控制的作用机理,并在它与常规PID控制算法结合在一起的基础上加入了非线性整定PID参数的思想,给出了模糊自适应非线性PID控制算法,用由经验得到的非线性特性来动态设计模糊规则,以达到自适应调整PID控制参数的目的。(3)研究了基于BPNN整定的PID控制算法,该算法可以根据纯滞后系统参数的变化自适应的调整控制参数,抗干扰能力强。通过对基于RBF神经网络的PID控制的研究,改进了神经网络学习算法,并把基于RBFNN-PID的Smith预估控制器用于纯滞后系统控制,以实现系统响应的准确性和控制参数的自适应性。