PID控制作为历史最为悠久，生命力最强的控制方式一直在生产过程自动化控制中发挥着巨大的作用，但是随着科学技术的不断进步和发展，被控对象正变得越来越复杂，而人们对其控制精度的要求却日益提高，然而PID控制技术却越来越不适应现代工业对象的变化，这样就产生了复杂性和精确性的尖锐矛盾。智能自适应控制是解决上述问题的有效方法之一，其中神经网络以其良好的自适应自学习能力，使得它可以作为一种很好的方法而得以应用。 论文首先介绍了一般PID控制在工业过程控制中经常用到的两种形式，位置式和增量式。之后，简要回顾了多年以来PID控制算法的改进，尤其着重介绍了两种不完全微分PID算法，并通过仿真实验指出其控制效果要略优于一般的PID控制。在第二章中，对神经网络的发展以及其在控制工程中的应用作了概述，重点介绍了神经网络在PID控制中的应用，并且提出在以往的关于神经网络PID控制的文献中所用的都是一般PID算法，而其改进算法则用的较少，尤其是不完全微分算法。 为了说明神经网络与不完全微分PID算法相结合的可行性，以及对控制效果可能产生的影响，在第三章中进行了尝试。在第三章中将两种不完全微分PID算法分别与神经网络，如BP网络、神经元，相结合，通过大量的仿真实验，其控制效果是显而易见的，包括阶跃响应和正弦波的跟踪，而且由于神经网络的加入使得系统具有了自适应的能力，能够对对象变化以及外来的扰动做出及时调整，保证系统的顺利运行。同时，为了提高网络的运行精度，采用RBF网络进行改进，仿真实验结果良好。