Os controladores PID estão presentes em aproximadamente 96% das malhas de controle industriais, porém estima-se que uma grande parte desses controladores não estão adequadamente sintonizados. Nos dias atuais ainda é uma tarefa difícil realizar a sintonia de controladores por meio de técnicas clássicas, o que tem motivado o desenvolvimento de novas ferramentas, empregando principalmente o uso de inteligência artificial para o ajuste dos parâmetros do controlador PI e PID. Este trabalho tem como objetivo o desenvolvimento de ferramentas que auxiliem na sintonia de controladores PI e PID, baseado na teoria do conjunto estabilizante, desenvolvida por pesquisadores da Texas A&M. Foi criado um banco de dados com funções de transferência para motores industriais de corrente contínua, o qual foi utilizado como entrada para o script, desenvolvido na linguagem Python, que realiza o cálculo do conjunto estabilizante para todas as funções de transferência do banco de dados. Após o cálculo do conjunto estabilizante, foi possível gerar um novo banco de dados, com parâmetros dos controladores PI e PID classificados como pertencentes ou não à região de estabilidade, para uma dada função de transferência. Este procedimento foi aplicado para os controles de velocidade e posição do motor, tanto para o controlador PI quanto para o controlador PID. Este banco de dados foi utilizado para o treinamento das redes neurais artificiais, tendo sido utilizadas duas configurações para o treinamento das redes. Os resultados mostraram que as redes neurais artificiais apresentaram bom desempenho durante os testes, com as redes treinadas para o controlador PI, apresentando acurácia acima de 0,975 e as redes para os controladores PID apresentando acurácia final acima de 0,95.