近年来，神经网络与现代控制理论和技术己成功地应用到现代控制工程的众多行业，并显示出了其骄人的特点，同时也暴露出了一些问题，有待解决。粗糙集理论是一种较新的软计算方法，可以有效地分析和处理不完备信息，对数据样本进行预处理，约简样本属性，降低样本维数，获得最优约简后的决策规则，以此来构建神经网络的隐层数及隐层内神经元数，减少了神经网络的训练时间，提高训练精度及泛化能力。仿真实验中，通过粗糙集优化的神经网络可将传统神经网络的收敛周期由60次减少到18次，平均误差由0.061209875减小为0.007066，证明了算法的有效性和优越性。将融合控制策略应用于抽油机电液伺服加载实验装置的位置伺服系统，建立了实验系统的数学模型和神经网络模型，确定了系统的常规PID控制参数，离线优化了基于粗糙集的PID。系统实验表明：当输入阶跃信号为0.2m时，系统在常规PID控制下，调节时间是1.32s，稳态误差是0.001m；系统在粗糙集优化的PID控制下，调节时间是0.85s，稳态误差是0.0003m。验证了算法的有效性，且表明算法具有一定的工程应用价值。