作为最早发展起来的控制策略,PID控制可谓是控制领域的常青树,PID控制器的主导作用日益凸显。人工智能技术伴随着科学技术的发展而提高,智能控制是当今自动控制发展的方向,导致传统PID控制器的控制方式在时变、非线性、大滞后、实时性有着较高要求的控制系统面前显得暗淡无光。智能PID控制器正是顺应了发展的需要,不仅算法简单易行,建模手续得以简化,还具有自学习、自组织、自适应的能力,高效、可靠的实现了PID控制器各个参数的自整定。因此,研究设计智能PID控制器具有深远的理论和实际价值。本文分别采用人工神经网络和智能优化算法分别优化PID控制器的参数,首先在理论的角度上仔细分析了两种算法,接着在MATLAB软件平台下结合传统PID控制进行参数优化,最后利用FPGA搭建硬件平台实现智能PID控制器。径向基(Radial Basis Function,RBF)神经网络在神经网络的大家族里是一名重要成员,属于多层的静态前向网络。利用RBF神经网络整定传统PID控制器参数,二者的优点互补从而可大大改善整个智能PID控制器的性能指标。免疫克隆选择算法该算法具有很强的自学习、自组织能力,可以根据给定并且在稳定的基础上使系统快速反应,是一种适合用于对复杂控制对象的参数进行优化的智能控制算法。利用免疫克隆选择算法优化PID控制参数,可使得PID控制器的鲁棒性能大大提高。本文先对RBF神经网络和免疫克隆选择算法进行介绍,然后分别利用这两种智能控制方法优化传统PID控制其参数,并通过MATLAB进行仿真验证,仿真结果可知基于径向基神经网络和免疫克隆选择算法的智能PID控制器在兼顾系统动态和静态性能的基础上,使PID控制的精度和自适应程度都得到提高。接着搭建硬件平台分别实现基于FPGA的径向基神经网络和免疫克隆选择算法的智能PID控制器,系统的计算过程比较复杂,且运算量大,无法采用一个模块实现,由此就把大的系统模块分割为许多小的模块,许多小模块的设计由VHDL语言或者DSP Builder搭建完成。当各功能模块建立完成,通过DSP Builder和Simulink搭建一个PID控制的闭环测试系统,接着进行MATLAB的算法级仿真,最后再使用Modelsim SE和Quartus II进行RTL级电路仿真。整个设计过程中算法运行速度快,充分的利用了FPGA的并行计算能力和流水线技术。最后,通过PID的闭环测试实验结果表明,这种基于FPGA的智能PID控制器,有效地模拟控制器输入,解决了两大问题：控制器的样本的输入提取、待测样本的输入源,同时具有设计灵活、可靠性高、可在线调整、开发周期短、鲁棒性强、系统运行速度快的多个优点,对于非线性、时变性和不确定性的复杂工业过程,可获得良好控制效果,从而可以证明系统控制方案切实可行。