太阳能热利用系统是一个大惯性、纯滞后、参数时变的非线性复杂系统。对于太阳能热水器系统而言，如何实现其水温的智能控制，是一项重要研究课题。到目前为止，应用经典的模糊控制、PID控制、广义预测模型等方法，在太阳能热水器的理论研究和实际应用方面已经取得了一定的进展。但在实际运行过程中，当外界环境发生较大的变化时，系统不具有自适应性，控制效果不理想。 智能控制是当今国内外自动控制的发展趋势。模糊控制技术、神经网络和遗传算法是智能控制的重要基础工具。模糊控制非常适用于一类复杂的难以建立精确的数学模型的非线性系统；神经网络具有自学习和并行处理信息的能力，其BP学习算法对于建立和调整模糊推理系统效果比较好；遗传算法是一种随机搜索的全局化方法，它通过交叉和变异操作大大减少了受初始状态的影响，使搜索得到最优结果而不停留在局部最优处。 本文提出将模糊控制理论、神经网络理论和遗传算法相结合，进行优势互补，设计一个基于遗传算法的模糊神经网络智能控制器。先用遗传算法离线调节控制规则前件变量的隶属函数参数和后件变量的作用值，调整后的控制器的输出能很好的跟踪样本数据，然后再用BP学习算法进行在线调节，优化控制器，实现水温的自适应控制。 本文最后对所设计的自适应模糊控制器进行了仿真实验，并与经典的模糊控制器和PID控制器进行比较。比较结果表明，本文设计的基于遗传算法的自适应模糊神经网络智能控制器对太阳能热水器水温进行控制时，系统的跟踪性能好、响应速度快、稳态性能好，而且没有振荡和超调。