神经网络控制系统中的参数调节是一个非常重要的问题，因为参数的选择直接影响到系统的性能和稳定性。通常来说，神经网络控制系统的参数调节可以分为以下几个步骤：
初始参数设定：在开始调节之前，需要对神经网络控制系统的参数进行初始设定，可以根据经验值或者系统的特性来确定初始参数值。
性能指标选择：确定需要优化的性能指标，比如系统的稳定性、跟踪精度、鲁棒性等，不同的指标可能需要调节不同的参数。
参数调节算法选择：根据实际情况选择合适的参数调节算法，常见的算法包括PID算法、遗传算法、模糊控制等。不同的算法有不同的适用场景和调节效果。
参数调节实施：根据选定的算法，对神经网络控制系统的参数进行调节，通常是通过实验或者仿真来进行参数调节，不断调整参数直到达到期望的性能指标。
参数调节结果分析：对调节后的系统进行性能测试，分析调节结果是否达到预期的效果，如果没有达到，需要重新调整参数或者算法。
在实际应用中，可以根据具体的神经网络控制系统和调节要求来选择合适的参数调节方法和策略，也可以借助于现代控制理论和工具来进行系统建模和参数调节，以达到最佳的控制效果。同时，也可以结合实际案例进行分析和实践，以便更好地理解和应用参数调节技术。