玻璃熔窑被控对象是一个非线性、参数时变的复杂过程系统,被控过程的不确定性较大,纯滞后时间和时间常数都比较大,干扰因素较多,难以建立精确的数学模型,采用传统的控制策略对数学模型依赖性较高,在纯滞后时间及参数变化时,控制效果不佳,有一定的局限性。模糊控制和神经网络控制都具有不需要精确数学模糊、强非线性特点。其中模糊控制善于表达知识,推理类似于人的思维,但缺乏学习和适应能力；神经网络具有较强的学习和适应能力,但不适于表达结构性知识。本文在融合模糊控制和神经网络两者优点后,提出用基于补偿模糊逻辑的神经网络控制器实现对玻璃熔窑的温度控制。通过引入补偿模糊推理和快速学习算法,使得补偿模糊神经网络在性能上优于常规模糊神经网络。本文对玻璃熔窑的结构、工艺流程进行了介绍,根据现场控制要求,提出了温度控制系统的要求,分析了熔窑系统的动态特性,通过一定的简化和假设,给出了玻璃熔窑的温控过程的理论数学模型。通过仿真,以玻璃熔窑的温度为对象对控制器性能进行了研究,并与传统PID控制、增益调整自校正模糊控制方法进行比较、分析。结果表明,基于补偿模糊逻辑的神经网络克服了传统PID控制、模糊控制超调量大、响应慢的缺点,鲁棒性较强,具有较好的自学习和自适应能力,适用于玻璃熔窑温度控制系统。