软计算作为一种创建计算智能系统的新颖方法。神经-模糊建模连同从随机，非梯度优化算法来的推动力共同构成了所谓的软计算。本文对软计算的研究做了两点工作：一是蚁群算法在抽取和过滤模糊控制规则中的应用。二是小波神经网络在转台伺服系统摩擦补偿中的应用。 本文第一部分用蚁群算法抽取和过滤模糊控制规则，并将简化后的控制规则用来控制单级倒立摆。论文首先介绍了蚁群算法的基本原理，并将最大最小蚁群算法应用在对称TSP问题中；其次针对模糊控制器的设计过程中存在的“规则爆炸”问题，利用蚁群算法对单级倒立摆的模糊控制器的控制规则进行抽取和过滤。本文用带有小窗口的蚁群算法解决了遗传算法抽取模糊控制规则可能产生的模糊控制规则不连续的问题，还分别从算法的工作机制的角度分析了在算法中加入约束条件的可操作性。最后通过仿真说明该方法抽取的控制规则具有更好的简化效果和鲁棒性，并具有较好的控制效果。 本文第二部分利用小波神经网络的逼近特性设计了转台系统的摩擦补偿器。为了保证系统的稳定性，补偿器与传统的PD控制器结合构成控制器。论文首先介绍小波神经网络的基本原理；其次将小波神经网络用于逼近不连续的有跳跃的函数；然后利用小波神经网络的逼近特性设计摩擦在线补偿器，并与传统的PD控制器结合构成系统的控制器以保证系统的稳定性。最后进行仿真研究，并给出分析和结论。