随着科学技术的发展，现代工业生产过程的一个共同特征是控制系统的复杂性和不确定性日趋明显，即各子系统之间或其内部会有较强的关联性，参数的高维性、时变性和随机性，且系统和环境具有许多未知的和不确定的因素，这些因素还会随环境、工况和时间等发生不可预料的变化。因此已不可能采用那些基于定量数学模型的传统控制方法对其实现有效的控制，必须寻求新一类的控制策略。 模糊控制是一种不依赖于被控过程数学模型的仿人思维的控制技术。它可以利用领域专家的操作经验或知识建立被控系统的模糊规则，有较好的知识表达能力。但在工程实际应用中却缺乏自学习或自调整的能力。尽管神经网络是一类黑箱式的非线性映射，但它具有良好的自学习能力。将二者有机结合起来，取长补短，可以提高整个系统的学习能力和表达能力。目前这个方向的研究正方兴未艾。 本文首先对模糊控制、神经网络及模糊神经网络的发展、背景和原理等进行了综述。针对化纤工艺侧吹风的温、湿度控制系统生产过程的非线性特点，本文提出了一种新型的模糊神经网络控制策略FNNC，其基于联接机制，应用多层前馈网络构造模糊变量隶属函数和模糊推理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。FNNC采用了自组织学习和监督学习相结合的新型学习算法，该算法可根据领域专家的经验知识确定初始隶属函数和发现规则的存在，并可优化调整隶属函数，获得理想输出。本文利用该控制策略进行了仿真研究。结果表明，该控制策略可以使送风状态长期稳定的维持在要求的温、湿度参数上，几乎不会受到外界气象参数变化的影响。 本文的另一项重要工作，是针对工艺性空气调节过程中温、湿度多变量的非线性控制特征，设计开发了一类智能空调控制系统，包括有硬件选型、设计、工艺结构设计、软件设计等，文中给出了相应的设计电路、程序框图、电路板等结构图。系统实验证明该系统达到了设计要求。