随着现代工业过程的不断复杂化,实际生产过程中的非线性,不确定性和复杂性的增加,传统的PID控制器已经不能满足我们的要求,因此我们力图将近些年发展起来的一些先进的智能控制方法,应用到PID控制领域中。针对常规PID控制器不能在线进行参数自整定的问题。本文采用模糊神经网络控制与PID控制结合的复合控制策略。深入研究了一种基于T-S模糊神经网络的PID控制器,将神经网络和模糊控制的优点相互结合,应用神经网络实现模糊推理。但是建立模糊神经网络的关键问题之一就是当模糊神经网络的输入维数高时,模糊规则呈指数增加,致使网络结构庞大,造成维数灾难。因此利用粗糙集理论中基于粗集的属性约简方法,以及信息系统的分类与属性约简方法,求取最小规则集。本文给出了一种基于粗糙集的模糊神经控制器的设计方法,该方法将粗糙集理论与模糊神经网络结合起来,利用粗糙集从观测的输入输出数据中提取规则,并寻求最小规则集,解决了“规则爆炸”问题。所给出的模糊神经网络具有模糊逻辑和神经网络两者的优点,即可以容易地表示模糊中定性的知识,又有很好的学习能力,通过在MATLAB平台上进行仿真实验,仿真结果标明:本文所提出控制方法具有良好的控制能力,对于突加干扰具有良好抗干扰能力。