为了克服万能试验机传统PID控制的弱点，控制界已经提出了大量的PID控制的改进方案，各种方案的理论依据不同，采用手段也不相同，但它们的共同点都是针对如何选取和整定PID参数，在保持传统PID控制器结构的基础上，采用新的方法在线或离线确定PID参数。

PID控制要取得好的控制效果，就必须对比例、积分和微分三种控制作用进行调整以形成相互配合又相互制约的关系，这种关系不是简单的“线性组合”，而是从非线性组合中找出最佳的关系。近年来，随着神经元网络的研究与应用，人们开始采用神经元网络和PID控制相结合，以便改进传统PID控制的性能，神经元网络所具有的任意非线性表示能力，可以通过对系统性能的学习来实现具有较佳组合的PID控制。目前的神经元网络和PID控制相结合的方法可以归纳为两种类型：

（1）   采用神经元网络确定PID参数；

（2）   单神经元结构PID控制器。这两种类型分别具有各自的特点

1.     采用神经元网络整定PID参数

这种方法是在传统的PID控制器的基础上附加一个或多个神经元网络，利用神经元网络的学习功能确定和调整PID参数，此控制器分为两个部分：一部分是虚内部分，按传统PID控制器的结构，对系统偏差信号进行比例、积分和微分处理并加权相加，这些权重值即为比例、积分、微分系数；另一部分则为神经元网络，一般采用多层前向网，此网络根据系统的输入和输出信息，通过反复的学习和调整，提供第一部分所需的PID参数。

这种方法的主要缺点之一是它的结构比传统的PID要复杂的多，实现的难度和代价较大；主要缺点之二是其不能避免一般神经元网络的弱点，比如收敛速度慢、易陷入局部最小点、隐层单元个数和连接权重难以确定等等。

2.     单神经元结构PID控制器

单神经元结构PID系统的结构，虚线框内为单神经元网络，它不承担比例、积分、微分处理工作，它的输入信号分别为系统偏差、偏差的积分和微分，单神经元的连接权重值一一对应比例、积分、微分系数。单神经元结构PID控制器的形式与传统PID控制器的形式是相同的，所不同的是常规PID控制器的比例、积分、微分系数是预先设定的固定不变的，而单神经元结构PID控制器的比例、积分、微分参数对应网络的连接权重值，是可按某种学习算法改变的。