PID控制器因为结构简单、容易实现,并且具有较强的鲁棒性,因而被广泛应用于各种工业过程控制中。作为一种应用广泛的控制规律,PID控制并没有因为各种先进控制算法的出现而遭到淘汰,相反,由于其应用时期较长,控制工程师们已经积累了大量的PID参数整定的经验。但是简单的PID控制往往不能达到令人满意的效果,对于工业过程中的复杂系统,传统的PID控制更加难以达到满意的控制效果。论文将智能控制中的神经网络及遗传算法与PID控制结合起来,形成了神经网络自适应整定PID算法和基于遗传算法的PID参数整定方法。论文分别说明了PID和单神经元控制的原理,详细分析了基于单神经元的PID自适应控制器的原理,并利用无刷直流电动机作为控制对象进行了仿真；针对标准BP算法存在的不足,提出了附加动量法的优化BP算法,可避免网络陷入局部最优点,加快神经网络的训练速度。将改进的BP神经网络用于PID控制参数的调整,改善了PID控制系统的性能。论文介绍了遗传算法的发展历史、基本特点、基本原理。针对简单遗传算法的不足,提出了一种改进的遗传算法,采用了改进编码、自动调整Pc和Pm的方法,改善了遗传算法的收敛速度和全局收敛性。将改进的遗传算法用于无刷直流电机控制系统的PID参数整定和优化。采用C语言和MATLAB语言编写程序进行仿真。仿真结果表明这两种智能PID参数整定算法效果良好,能够达到预期的控制效果。