在工业生产中存在大量具有纯滞后、时变特点的对象,采用常规的控制方法,难以获得满意的静、动态性能。提高时滞、时变对象的控制性能具有重要的现实意义。以盘管温度控制为研究对象,以时域分析方法从理论上分析了该对象的阶跃响应的特点,运用阶跃响应的辨识方法建立了二阶时滞、时变的数学模型。论文分析了各种解决时滞、时变的常规算法的特点,结合先进的控制算法,提出了基于改进Smith预估器和小脑模型神经网络(CMAC)的PID参数自整定控制器。改进Smith预估器具有时滞补偿的作用,同时具有对模型参数的变化不敏感的特点,能应用于工业现场；CMAC网络通过系统误差的最小方差法在线调整PID控制器的三个参数,适应对象时变的特点。文中研究了改进Smith预估器的滤波参数对系统的稳定性和稳态误差的影响。研究了基于CMAC神经网络的PID控制器参数自整定控制器的结构和实现方法,设计了给定信号量化算法、CMAC网络的映射算法,以梯度下降法和最小方差法研究了CMAC的在线学习算法和自动调整PID控制器参数的算法。讨论了CMAC神经网络的量化参数、泛化参数、学习速率和惯性参数的取值对控制性能的影响。提出了控制器的参数整定的方法。该控制器具有参数整定简单、自适应能力强、实时性强、抗干扰能力强、响应速度快、超调量小、稳态误差小、稳定性强等特点。仿真实验验证了该算法的有效性。以单片机为控制器研究了算法的系统实现技术,设计了系统的总体结构,设计了主要的单元电路,介绍了软件的设计。介绍了以工控机和MCGS组态软件构成的上位机监控系统,以实现系统的管理和控制。系统的实际运行表明该系统可以提高时滞、时变对象的控制性能,验证了该算法的可行性。