在控制领域中,比例-积分-微分(PID)控制器是使用最多的一种控制器。因其简单结构、鲁棒性强以及便于实现等优点,所以在工业过程中被广泛使用。但是,由于工业过程变得越来越复杂,导致生产过程中不可避免的出现了时滞、非线性以及不确定性等问题,使得PID控制器越来越难满足需要的控制性能。预测函数控制(PFC)作为预测控制中被广泛使用的算法,所以被广泛应用于石油化工过程中。主要是PFC对模型的精度要求不高,并且具有较高的鲁棒性和跟踪性能。模糊控制是在智能控制算法中经常被使用到的一种算法,目前已经在工业过程控制中被广泛使用。这是因为其不依赖于数学模型,仅仅通过相关经验以及数据就能够很好的控制被控对象,所以在控制领域具有越来越重要的地位。如果能够将PID控制与模糊控制和PFC这两种算法的优点进行结合,将会对工业上的生产效率进行改善。本文通过总结前人优秀的成果,然后做了如下两方面的研究工作:一方面,通过将模糊理论与神经网络的相关性能进行结合,在此基础上提出了模糊网络PID控制器的一种设计方法。利用神经网络本身具有的自学能力与模糊推理能力相结合来对PID参数进行调整,从而提高了PID控制的自适应能力。最后,通过仿真来对模糊网络PID控制性能进行了验证。另一方面,通过结合预测控制、模糊控制和PID控制各自的优点,提出一种预测模糊PID控制器的设计方法。该方法是通过模糊控制达到自适应调整,并引入预测控制的预测模型来完成提前预测。从而在保证了该控制器具有了预测控制的预测能力外,还同时具有模糊控制的推理能力。最后将该控制方法应用到工业中的焦化炉被控对象上,并结合仿真来对该设计方法的有效性进行了验证。