在各行各业中,存在着大量的复杂工业过程,它们具有很强的时变性、非线性和不确定性。往往这些系统很难建立精确的数学模型,从而导致使用传统的分析方法和控制策略对这类对象进行控制时,难以取得良好的控制效果和系统鲁棒性。很多学者在结合传统的分析方法的基础上不断推陈出新,将控制和智能相结合,开始进入向智能化发展的高级阶段。目前,智能控制系统正在向综合性控制过渡,也就是说不同的智能方法的融合发展将是今后智能控制的一个新的、有效的发展方向。它可以逼近非线性系统,所以在实际生产中可以解决非线性系统以及复杂系统的建模和参数识别问题。本文首先对神经网络的特点进行了分析研究,然后针对目前神经网络在预测控制中存在的问题,提出了将灰色系统理论和神经网络方法相结合建立灰色神经网络。这种融合方法可以弥补单一模型的不足,对小样本数据预测能达到良好的效果。但这种预测模型存在局部最优和收敛性等问题,在此基础上,本文又研究设计了一种基于遗传优化灰色神经网络模型参数的方法。该方法利用灰色模型弱化数据的随机性以及神经网络的高度非线性,对空调订单建立了一种非线性预测模型,并采用遗传算法对其进行优化,从而提高了预测的精度并加快了收敛程度。并用MATLAB进行了仿真研究,结果表明该算法能较好的解决空调订单预测的问题并可推广到同类预测中。最后本文又以变风量空调系统为研究对象,针对变风量空调末端装置控制过程中存在的问题,采用前馈补偿器法设计了三输入三输出的变风量空调系统的解耦补偿器,并设计了遗传算法优化的PID控制器。最后运用MATLAB中的Simulink环境对设计的解耦控制器进行仿真。结果表明,该解耦控制器具有良好的控制性能和系统鲁棒性,为进一步研究变风量空调系统提供了一种有效可行的控制方法。