在现代工业生产中，高性能的多电机同步协调控制可以提高机械、冶金、造纸、纺织等行业产品的质量和成品率。这些产品的生产中都有物料传送或类似的过程，该过程中对速度和张力的精确控制是保证产品质量的关键，而张力和速度又是相互耦合的，如何对张力和速度进行协调控制一直是我们关注的焦点问题。因此研究一种高效、准确的算法来分别控制速度和张力具有重要意义。本文以由皮带连接的三台交流电机所构成的同步系统为对象，进行分析研究，采用基于遗传算法的对角递归神经网络的PID控制算法来实现速度和张力的协调控制。首先在算法方面，本文对遗传算法和对角递归神经网络的定义、原理及其特性分别进行了分析讨论，针对一般遗传算法早期收敛，参数选择等不足之处，采用了一种改进的自适应遗传算法，给出了交叉率和变异率自适应调整的计算公式；用改进的遗传算法的迭代学习训练来获得对角递归网络的初始参数值，并将初值代入到基于对角递归神经网络的PID算法中，对系统的速度张力进行协调控制。然后是对三电机的速度张力系统进行分析，建立系统的数学模型；并构建控制系统的仿真模型进行试验。结果表明经过初值优化的对角递归神经网络PID算法在对多变量非线性系统的控制中，可以不断地在线修正PID参数，使系统得到优异的控制，显著改善系统的动静态特性，提高系统的稳定性和鲁棒性。