随着互联网（Internet）的用户数快速地增加以及新网络应用类型的不断出现，用户对Internet的服务质量的需求越来越高。近年来基于网络中间节点的拥塞控制机制成为了研究的热点，主动队列管理（Active Queue Management，AQM）是基于中间节点的拥塞控制机制的关键性技术。目前很多AQM算法存在着参数敏感或者参数固定，无法适应动态网络等问题，难以提供较高的稳定性。本文的主要研究基于神经网络和模糊控制的AQM算法。详细分析了传统的PI与PID主动队列管理算法，PI算法、PID算法实现了经典控制理论与主动队列管理的结合，但其存在着参数固定、不能实时调整、无法适应复杂多变的非线性网络等缺点。神经网络控制与模糊控制是智能控制领域的两大分支，本文将模糊控制模块与单神经元自适应模块相结合，提出了一种改进的主动队列管理算法——基于速率模糊控制的神经元自适应PID（RSNAPID）算法。该算法利用模糊控制模块，对单神经元的比例系数进行在线调整，并对单神经元的学习速率进行了相应的改进。利用NS2对RSNAPID算法自身性能进行了仿真研究，同时还将RSNAPID算法与PI算法、传统PID算法以及单神经元自适应PID（SNAPID）算法进行了比较，仿真结果表明RSNAPID算法具有更好的收敛性、稳定性以及鲁棒性。