工业过程中时滞环节普遍存在,这给系统的设计与控制造成了很大的困难。如:通风机风量调节、冶炼过程、加热炉、炼油等大时滞过程更是工业控制中公认的难题。由于时滞环节的存在,当给定值变化时,被控对象需要延时一段时间才能反映出来。在被控对象不及时的反馈作用下,控制系统会产生较明显的振荡,从而控制系统性能变差,甚至出现不稳定现象。传统Smith预估控制对参数敏感,在模型完全匹配时,系统具有良好的振幅和相角裕度,当模型不匹配时,系统可能不稳定。单神经元PID预估控制是单神经元PID与Smith补偿相结合的控制算法。单神经元PID控制器可以实时调节控制器参数,具有较好的自适应能力。仿真结果表明,在被控对象变化时,单神经元PID预估控制可以明显地减小系统响应的超调量,缩短稳定时间。在模型误差加大时,单神经元PID预估控制系统仍有较大的超调。基于此,文中设计了基于粒子群优化在线辨识的单神经元PID预估控制器。该控制器通过在线辨识并修正系统参数的方法,减小被控对象变化对控制系统造成的影响。仿真结果表明,在模型变化时,基于粒子群辨识的单神经元PID预估控制系统,能更好的跟随给定。在分析了矿井主要通风机风量闭环控制原理后,以系统近似数学模型为控制对象,分析了不同控制方法的控制效果。仿真实验结果表明,在被控对象变化时,基于粒子群辨识的单神经元PID预估控制系统有较好的控制效果。