随着科学技术的发展，现代工业生产过程的一个共同特征是控制系统的复杂性和不确定性日趋明显，即各个子系统之间或其内部会有较强的关联性，参数的高维性、时变性和随机性，且系统和环境具有许多未知的和不确定的因素，这些因素还会随环境、工况和时间等发生不可预料的变化。因此己不可能利用那些基于定量数学模型的传统控制方法对其实现有效的控制，必须寻求新的控制策略。 模糊控制是一种不依赖于被控过程数学模型的仿人思维的控制技术。它可以利用领域专家的操作经验或知识建立被控系统的模糊规则，有较好的知识表达能力。但在工程实际应用中却缺乏自学习或自调整的能力。尽管神经网络是一类黑箱式的非线性映射，但它具有良好的自学习能力。将二者有机结合起来，取长补短，用以提高整个系统的学习能力和表达能力。目前这个方向的研究正方兴未艾。 本文首先对模糊控制、神经网络及模糊神经网络的发展、背景和原理等进行了综述。对于大滞后非线性系统控制品质要就比较高的场合，模型辨识是至关重要的，针对大滞后非线性系统难以用经典方法辨识的原因，模拟人脑记忆事物的过程，本文提出了一种新型联想记忆神经网络结构，作为建模工具，以再现被控对象的特征，为控制做好铺垫。针对温度控制系统的非线性特点，本文利用模糊神经网络控制器，应用多层前馈网络构造模糊变量隶属函数和模糊椎理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。该算法可根据在线调整确定初始隶属函数和发现规则的存在，并可优化调整隶属函数，获得理想输出。本文利用该控制策略进行了仿真研究。结果表明，该控制策略可以使温度参数很好的达到要求。 温度控制系统是典型的非线性大滞后控制系统，根据本文提出的联想记忆神经网络辨识器，与模糊神经网络控制器相结合，建立模型参考自适应控制方案，成功的实现了对单腔电阻加热炉的控制，模型参考自适应控制方案可以向其它大滞后非线性特性的过程控制参量(如流量、压力、液位等)推广。