公路隧道通风系统具有很强的非线形特征,传统的线性控制理论难以获得精确的数学模型,因此,模糊控制等现代控制方法成为公路隧道通风控制的趋势,但模糊控制存在隶属函数、控制规则难以确定的问题。本文将具有强大学习能力的神经网络融合到模糊控制系统中,研究了公路隧道通风的模糊神经控制方法。解决了模糊控制系统本身的学习和适应能力差、模糊变量各语言值隶属函数,控制规则不能随着环境参数(如交通量、基准排放量等)的改变而自动调整和修改等问题。针对公路隧道通风模糊控制系统,参考了最优规则排序无关,在此基础上修改控制规则,获得了较优的规则库,与常规试凑法相比,大大节省了调整时间,同时利用等价结构的模糊神经网络模型,使其与规则库更好的匹配,反复调整隶属函数和修改控制规则,获得最佳模糊组合。并且建立了隧道小时交通量预测模型,可以获得任意给定交通量预测模型下的最佳模糊组合,从而实现了最优控制。提出基于模糊神经网络模型的隧道通风控制方法,能自动修改规则库和调整隶属函数,与单纯的模糊控制方法相比,提高了控制系统的自动化程度,提前预测未来的交通状况,节省了调整时间,降低了电能消耗。