公路隧道纵向通风系统具有很强的时变性、非线性和大滞后性等特点,以往的线性控制理论难以获得精确的数学模型,传统的控制方法效率低下。所以,寻求一种高效的通风智能控制系统,来降低隧道内通风系统高昂的运营费用,已成为公路隧道建设中急需解决的关键问题之一。本文针对于城市公路隧道通风节能系统提出了一种较为智能的控制方法。文中在空气动力学原理的基础上,建立了空气动力学、污染物、交通流等数学模型,为下面所研究的智能控制模型奠定了必要的理论基础。引入了模糊控制技术,根据专家或者操作者的经验来设计模糊规则库,建立了模糊控制的智能模型。对该模糊控制模型的规则库进行调整和优化后,模糊控制器根据实时检测到的CO/Ⅵ(一氧化碳和能见度)浓度与设定的标准CO/Ⅵ浓度差值,经过模糊推理,输出所需要启动的风机台数。模糊控制系统避开了数学模型,能较好的适应公路隧道通风系统非线性和分布式参数特征。由于公路隧道的时变性等特点,而模糊控制系统的各变量语言值隶属函数和控制规则不能随着环境参数(如交通流量、CO/Ⅵ浓度值)的改变而自动调整和修改等问题,于是将具有强大学习能力的神经网络技术引入,在误差反馈学习算法的基础上,将神经网络与模糊控制技术通过结构等价型方式融合,研究和探讨了基于模糊神经网络的隧道通风智能控制系统。本文所提出的模糊神经网络通风智能控制系统,能够很好的根据输入量自动调整隶属函数,自动修改模糊规则库,并具有较强的学习功能。该系统提高了控制系统的自动化程度,节省了调整时间,降低了风机的电能消耗。它对城市公路隧道中的基本交通流(正常交通流、高密度交通流、稀疏交通流)控制效果良好,CO/Ⅵ浓度值都被控制在卫生标准之下,实现了风机运行的优化控制。与传统的通风控制系统相比,该系统的风机运营节能可达10%左右,节能效果明显。城市公路隧道纵向通风神经模糊控制系统具有很强的可行性和实际应用价值,对目前公路隧道通风控制的设计具有重要的实用意义。