在PID控制的基础上，加入神经网络控制器，构成神经网络PID控制器，如图5。神经网络控制器NNC是前馈控制器，通过对PID控制器的输出进行学习，在线调整自己，目标是使反馈误差e(t) 或u(t)趋近于零，使自己逐渐在控制中占据主导地位，以减弱或终消除反馈控制器的作用。晖仪表YR-GAD系列人工智能调节器/温控仪使用的就是神经网络PID控制控制算法。

常用PID调节器/温控仪控制算法包括常规PID、模糊控制、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等算法。常规PID控制易于建立线性温度控制系统被控对象模型；模糊控制基于规则库，并以或增量形式给出控制决策；神经网络控制采用数理模型模拟生物神经细胞结构，并用简单处理单元连接成复杂网络；Puzzy-PID为线性控制，且结合模糊与PID控制优点。

遗传PID控制是将控制器参数构成基因型，将性能指标构成相应的适应度，利用遗传算法来整定控制器的参数，不要求系统是否为连续可调，能否以显式表示。基于遗传算法的自适应PID控制的原理框图如7。遗传PID温控系统将测量值与给定值进行比较，用遗传算法来优化PID参数，然后将控制量输出，实现将PID参数串接构成完整染色体，从而构成遗传空间中的个体，过通过繁殖交叉和变异遗传操作生成新一代群体，经过多次搜索获得适应度值的个体。

工艺温度仪表系统由热电偶（或热电阻）、连接导线和温度二次仪表组成。工艺温度仪表系统校准是指工艺温度仪表（含引线、传感器）的读数或值进行现场比较,以便确定已测量的温度偏差是否均在有关要求范围内的一组操作。在AMS2750E也称为“系统精度测试（SAT）或探针检查”，其目的是确保炉子的控制系统及每个控制区的记录仪表系统的准确度符合要求。

国内、国外相关技术标准要求，新购置或大修后的热处理炉，使用前除了对工艺温度传感器和仪表进行校准外，还需要完成两项更重要的工作：一是进行工艺温度仪表系统校准，以确定该系统的偏差是否符合要求；二是进行有效加热区温度均匀性检测，确定热处理炉具有符合工艺要求的工作空间。在温度均匀性检测过程中，若检测结果表明整体温度偏高或偏低，则需要对工艺仪表进行调整。使用中的热处理也需要按规定的时间间隔进行工艺温度仪表系统校准，这是保证热处理满足工艺要求的重要手段之一，不可或缺。