单神经元自适应控制器是通过对权值系数的在线调整来实现自学习、自适应功能的。权值系数采用有监督的Hebb学习规则进行学习调整。控制算法及权值学习算法为<5，6>u（k）=u（k-1）+K（k）E3l=1x（k）wi（k）E3j=1|wj（k）|wi（k）=wi（k-1）+Gi（k）K（k）z（k）u（k）xi（k）。
式中：x1（k）=e（k）=r（k）-y（k）x2（k）=$e（k）=e（k）-e（k-1）x3（k）=$2e（k）=e（k）-2e（k-1）+e（k-2）z（k）=e（k）x1（k），x2（k），x3（k）PID控制器中积分，比例，微分的作用信号；G1（k），G2（k），G3（k）积分、比例、微分的学习速率。
神经元的比例增益K（k）值的选择非常重要（K>0）。K越大，系统响应越快，但超调量也越大甚至失稳；K值选择过小，系统的响应慢，超调小。因此，应对K进行自适应调整。
K采用非线性变换在线调整公式为<5>K（k）=K0+Ke3（k）r2（k）（6）式中：K0K（k）的初始（稳态）值；K调整系数，一般取K=K0/10.
K0的选择同K一样重要，K0应先设为较小值，再由输出曲线的上升速度和神经元学习速度逐步增加，直到系统达到满意的动态性能为止。
学习速率Gi（i=1，2，3）的取值对系统运行也有较大影响。Gi过大，可能导致系统失稳；Gi过小，会导致收敛很慢。因此，Gi也应自适应变化。
它的调整算法为<6>Gi（k）=1.05Gi（k-1）xi（k）