传统PID在对象变化时，控制器的参数难以自动调整。将模糊控制与PID控制结合，利用模糊推理方法实现对PID参数的在线自整定。使控制器具有较好的自适应性。使用MATLAB对系统进行仿真，结果表明系统的动态性能得到了提高

传统的PID控制器参数优化方法容易产生振荡和较大的超调量，因此智能算法如遗传算法（SGA）和粒子群算法（PSO）被用于参数优化，弥补传统算法的不足，但是遗传算法在进化过程中收敛速度慢，粒子群算法存在易于早熟的缺点。在分析量子粒子群算法（QPSO）的基础上，在算法中引入了权重系数，提出使用改进的量子粒子群算法（WQPSO）优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后，通过三个传递函数实例，分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计，并对结果进行了分析。

磨煤机的工作性能与进料配比关系密切。针对原煤在水分、灰分、挥发分和可磨性方面的特征差异,设计了基于模糊控制理论的磨煤机进料控制单元。通过应用模糊控制理论,对PID控制参数进行优化,实现了磨煤机工作过程的自动调节,提高了磨煤机的工作性能。文章重点阐述了模糊控制器的设计和PID参数的优化过程。

chapter14 基于粒子群算法的PID控制器优化设计，粒子群算法也是个不错的优化参数算法

使用Matlab中的Simulink来建立的模糊控制仿真，通过大偏差来利用模糊推理调整控制量，小偏差使用PID控制，根据误差E和误差的变化率EC及输出量U，设计模糊控制规则。其中压缩包里有模糊9条，25条以及49条的控制规则，最后会显示出误差E，误差率EC，以及输出U的输出波形图。

可实现对已知传递函数的控制对象直接设计pid数字控制器（采用零阶保持器离散化）

温度PID控制器设计—MATLAB的Simulink，模糊控制和模糊PID控制，可运行。

PID控制的原理、分类、参数整定，举例分析，具体设计案例

android的pid控制器

针对多输入多输出（MIMO）复杂过程控制中控制性能偏慢等问题，对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。