时滞问题在实际工业控制系统中广泛存在，由于它的存在导致系统在信号及能量的传递上会有延迟,控制器的调节作用经历一段时间才能体现到系统输出，因此在确定控制器的参数上会很困难，如果参数选择不当，会使系统的控制效果变差甚至不稳定。如果是大时滞、非线性、时变的系统，该问题会更加突出。温度控制就属于比较难于控制的系统。本文主要对温度控制的时滞问题进行了讨论，对时滞系统的多种控制方法进行总结分析，但是智能控制方法在时滞系统的应用上并不成熟，还处于发展阶段，因此研究先进的智能方法对时滞系统进行控制意义重大。本文在对时滞系统的控制中采用的是模糊PID控制器,该控制器结合了模糊控制与PID控制各自的优点，提高了系统的鲁棒性与自适应能力，本文对模糊PID控制器的设计进行了研究。另外将Smith预估器加入到时滞系统中，并对Smith预估控制进行了改进，主要针对被控对象与预估器模型参数不匹配时，提出了对预估器反馈通道上的一阶惯性环节时间常数采用九点控制进行自整定，并对该法利用MATLAB进行了深入的仿真研究，收到的效果明显，提高了系统的性能。分析了被控对象模型与预估器模型不匹配时，系统的控制性能会变差，针对这个问题研究了用神经网络去代替Smith预估器的设计方法，利用神经网络的自学习能力，解决模型参数失配的问题，并对该方法也进行仿真研究，取得良好的效果。最后，将改进算法应用到包装机的加热设备中，对加热设备进行实验，验证该算法的可行性与有效性。