针对工业生产中广泛存在的时变大滞后过程，提出了两种新的控制算法：其一为基于智能单神经元PID的Smith预估控制策略，并证明了其内模结构；其二，吸收模糊控制及仿人智能控制各自的优点，提出一种新的仿人智能模糊控制策略，并且进一步提出一种两层结构的专家模糊控制算法。 滞后环节的存在不仅影响控制系统的稳定性和控制品质，而且大大增加了系统分析和设计的复杂性。纯滞后对象被公认为为较难控制的过程，而工业过程一般都是时变的，这更加大了控制的难度。因此，对时变大滞后过程控制问题的研究具有重要的理论意义和应用价值。 本文首先对大滞后过程的特性进行了分析，滞后的存在使得系统的交界频率和临界增益降低。Smith预估控制是基于模型的补偿控制，但它对参数变化较为敏感。过程参数以及结构的时变性和不确定性，严重影响Smith预估控制的效果，甚至出现不稳定现象。单神经元PID具有自学习和自适应能力，并且结构简单，具有较强的鲁棒性。针对单神经元PID学习过程较慢的现象，本文在对其学习规则进行改进的基础上，吸收仿人智能控制的思想，对比例系数K进行智能在线自调整，并将改进的单神经元PID作为Smith预估控制的主控制器，证明了该方案的内模控制结构。仿真结果表明，改进的单神经元内模控制器具有一般内模控制器的稳定性，不需要加滤波环节即具有很强的鲁棒性。 模糊控制不需要被控对象的精确数学模型、抗干扰能力强、鲁棒性好，但是不能直接用于大滞后过程。另一方面，仿人智能控制抗滞后性强，但对高频干扰的影响比较敏感，基此，本文将模糊控制和仿人智能控制有机结合起来，使模糊控制具有“观察→控制→等待→再