Este estudio se centra en un sistema de bomba de sangre equipado con cuatro rodamientos magnéticos activos radiales (RAMBs). Se empleó el método de elementos finitos (FEM) para optimizar los parámetros físicos del sistema. Basado en esta optimización, se compararon dos estrategias de ajuste inteligente de PID: optimización por enjambre de partículas (PSO) y redes neuronales de retropropagación (BP). Primero, se desarrolló un modelo de control diferencial de un rodamiento magnético activo de un grado de libertad, basado en la topología y los principios de funcionamiento de los rodamientos magnéticos radiales. Luego, se identificaron con precisión los parámetros del circuito magnético a través de simulaciones de elementos finitos, lo que permitió una optimización precisa del modelo físico. Para mejorar la precisión del control, se aplicaron estrategias de ajuste inteligente basadas en PSO y redes neuronales BP, abordando efectivamente las limitaciones de los controladores PID convencionales, que a menudo dependen de ajustes empíricos y carecen de precisión. Finalmente, se realizaron experimentos de simulación para evaluar el rendimiento de optimización de PSO y redes neuronales BP en el sistema de control de rodamientos magnéticos. Los resultados demuestran que el algoritmo PSO mejorado ofrece ventajas significativas sobre tanto la red neuronal BP como el ajuste manual tradicional de PID. Específicamente, logró un tiempo de subida de 0.0049 s, un tiempo de asentamiento de 0.0079 s y un error en estado estacionario de 0.0013 mm. El algoritmo PSO mejorado garantiza la estabilidad del sistema mientras proporciona una respuesta dinámica más rápida y una precisión de control superior.