针对网络拥塞控制存在的非线性、参数时变等问题,将T-S模糊推理模型与单神经元自适应PID相结合,提出了一种新的主动队列管理算法———基于T-S模糊模型的单神经元自适应PID控制算法.该算法利用模糊模型,在线调整神经元增益参数以实现对算法性能的改进.详细给出了基于T-S模糊模型的单神经元自适应PID控制算法的原理、增益在线调整的T-S模糊控制器的模糊规则和隶属度函数.仿真结果表明,与改进的单神经元自适应PID控制(SNAPID)算法相比,该算法具有更好的收敛性,能够将队列长度迅速的收敛到期望值附近.此外,与随机指数标记(REM)算法、比例积分(PI)算法及改进的NAPID算法相比,该算法具有更好的稳定性和鲁棒性以及更小的队列长度波动.