随着科学技术的飞速发展,现代工业控制系统越来越复杂,传统控制科学面临着新的挑战。人工智能、系统科学和信息科学等学科的发展为控制科学提供了一条智能化出路。作为人工智能界最有发展前途的三个重要领域——模糊逻辑、神经网络和遗传算法引起了控制工作者的高度重视。如何在智能控制领域充分发挥三者的优越性,是目前控制学科的重要课题之一。 本课题正是在这样的背景下,围绕基于遗传算法的模糊神经网络控制器展开研究。论文首先研究了遗传算法的原理,分析了标准遗传算法存在的问题,在此基础上对标准遗传算法进行了几点改进,设计了一种改进遗传算法。通过将改进遗传算法用于双积分优化问题,证明了改进遗传算法克服了标准遗传算法的早熟、计算效率低等问题。然后,研究了模糊控制和神经网络控制的理论基础,分析了两者各自的优缺点及相互结合的必然性和可行性。在此基础上,设计了基于T-S模型的模糊神经网络。同时,针对传统神经网络学习算法的不足,提出了使用改进遗传算法和BP算法共同优化模糊神经网络参数的控制器优化方案。最后,研究了倒立摆的结构和特性,设计了倒立摆的模糊控制系统、倒立摆的神经网络控制系统和倒立摆的基于遗传算法的模糊神经网络控制系统。分别对这三种控制系统进行仿真研究,研究结果表明本文所设计的基于遗传算法的神经网络控制器能用于非线性系统控制,并具有很好的控制效果和鲁棒性。