误差补偿技术是近几十年来迅速发展起来的一门技术，是快速提高机床加工精度、减少生产成本的最有效、最直接的方法。本文从华中科技大学自主研发的先进制造过程对象实验控制平台（AMPOT）上进行误差补偿实验的深入研究。PID控制器结构简单、参数调整方便，因此在控制领域占有不可取代的地位。神经网络控制由于其强大的非线性过程拟合能力，因此在智能控制领域得到了广泛的应用，而Smith预估控制算法对于具有大时滞的控制对象控制效果非常显著，因此在PID控制器的基础上，从现代控制理论出发，结合神经网络控制算法和Smith预估算法的优点以及自适应控制，开发了神经网络PID控制器和Smith预估控制器。本文从传统的神经网络控制器以及常规的Smith预估控制算法入手，针对传统神经网络PID控制器存在的易陷入局部最小值，并且迭代时间长的缺点，提出了自适应神经网络PID控制算法，学习速率根据误差函数进行启发式调整，学习率自适应控制策略极大提高网络收敛速度并且在一定程度上减小超调量。Smith控制算法是最有效的解决具有大时滞控制系统的方法，但是常规的Smith预估控制过分依赖于模型的精确度，对模型的变化非常敏感，而在实际控制过程中，由于工作环境的变化以及干扰的存在，实际模型与参考模型往往发生偏差，如果继续使用常规Smith预估算法，控制性能将受到严重的影响，针对模型失配采用了将Smith预估控制和自适应控制相结合的方法，得到了自适应Smith预估控制算法。针对改进后的两种算法，为了证明其控制的有效性，首先利用MATLAB的Simulink功能进行仿真分析，确定PID控制参数，然后在AMPOT实验平台上进行实时的误差补偿，得到补偿前后误差曲线图，确定算法的有效性。