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。

PID控制即比例、积分、微分控制，其结构简单实用，常用于工业生产领域。明显缺点是现场PID参数整定麻烦，易受外界干扰，对于滞后大的过程控制，调节时间过长。其控制算法需要预先建立模型，对系统动态特性的影响很难归并到模型中。在我国大多数PID调节器厂家生产的调节器均为常规PID控制算法。

不同类型仪表的热处理炉配置不同数量的工艺传感器和仪表，凡是数据用于热处理质量判断的工艺温度仪表系统，均应进行校准；凡是数据不用于热处理质量判断的工艺温度仪表系统，则不必进行校准，如仅用于超温报警的仪表系统。对于控制传感器而言，不仅需要对控制仪表的读数进行校准，还要对记录仪表的读数进行校准。对于其他的附加系统，如负载热电偶，有效加热区上次检测确定的高温传感器和低温传感器等系统，需要进行工艺温度仪表系统校准。