对于工业控制中具有非线性、纯时滞、建模困难的复杂对象，智能控制方法是对其实现有效控制的手段之一。本文对模糊PID控制和神经网络PID控制方法及模糊控制在PLC装置上的实现进行了研究。 PID控制作为最常用的控制手段，本文分析了其优点与不足之处，并对PID控制参数的整定方法进行了研究。 神经网络控制是智能控制的一种典型形式。神经网络控制不依赖于精确的数学模型，具有自适应和自学习的能力。本文研究了基于BP神经网络的PID优化控制，将传统的PID控制的P，I,D参数作为BP人工神经网络的输出，在BP神经网络中对P，I, D参数进行训练直至其稳定；然后，在软件上实现了基于BP神经网络的PID优化控制，达到了传统的PID控制和人工神经网络相结合的目的。 模糊控制模仿人的决策能力和推理功能，是又一类智能控制的形式。本文研究了模糊控制及其装置实现。首先，将模糊控制和常规PID控制进行了仿真对比。然后,将模糊控制和PID控制结合成模糊PID控制，用Matlab对该控制方法作了仿真，数据实验显示该控制方法具有良好的控制效果：最后，将模糊控制在具体的现场装置——西门子S7-300 PLC综合自动化控制系统平台上实现。装置实验结果表明，对于三阶时滞系统而言，相比传统的PID控制，智能模糊控制的响应具有较小的超调量和快速稳定能力，其控制品质明显高于传统的PID控制性能指标。