针对常规径向基函数神经网络（radialbasisfunctionneuralnetwork，RBFNN）的逼近性能对网络结构和初始参数依赖性强的问题，采用最小资源分配网络进行改进，并与单神经元PID控制相结合，提出了一种基于最小资源分配网络的自适应PID控制方法。该方法利用最小资源分配网络动态构建RBFNN，实现RBFNN结构和参数的在线优化，并用该RBFNN辨识对象的离散模型，然后由单神经元PID控制器完成PID参数的自适应整定。仿真结果表明，该方法中PID参数能够很好地适应系统输入信号的变化，对非线性系统控制效果较为理想。