1、单神经元作为构成神经网络的基本单位，具有自学习和自适应能力，且结构简单易于计算，传统的PID具有结构简单、调整方便和参数整定与工程指标紧密等特点，将二者结合，可以在一定程度上解决传统PID调节器不易在线实时整定参数，难以对一些复杂过程和参数时变、非线性、强耦合系统进行有效控制的不足，具体单神经元的PID算法过程，这里不再推导，后续会补全，大家也可以自行搜索，这里给出工程PLC实现SCL代码，后续将梯形图代码一起整理，供大家学习参考。
2、单神经元自适应PID控制器正是通过对加权系数的调整来实现自适应、自学习功能的。加权系数的调整可以采用不同的学习规则，从而构成不同的算法。
3、在对单神经元自适应PID控制的学习中，分析单神经元PID控制中比例学习率、积分学习率、微分学习率、和增益K等参数在控制中所起作用，得出
（1）在积分学习率、微分学习率不变的情况下，比例系数学习率越大则超调量越下，但是响应速度也会变慢。
（2）在比例学习率、微分学习率不变的情况下，积分系数学习率越大则响应会越快，但是超调量也会越大
初始加权系数w1(0)、w2(1)、w3(0)可以任意选取。