鉴于模糊系统具有知识易于显示表达和易于解释以及神经网络具有优良的学习能力的特点,本文通过对常用的Mamdani模型和T-S模型的模糊神经网络的研究,设计了一种基于Average的新型模糊神经网络,用不同的神经元来实现数据的模糊化、模糊规则表示和模糊推理过程,并通过神经网络的学习实现对规则的获取。在对模糊神经网络训练时,首先采用传统的梯度下降进行学习,推导了梯度学习算法,并针对梯度下降有可能使学习过程进入局部极小的问题,采用梯度下降和模拟退火相结合的方法对网络进行训练。实验表明该方法能有效的解决系统的局部极小问题。最后,本文利用新型的模糊神经网络来控制复杂的回转窑系统,仿真实验取得了很好的效果。本文设计的模糊神经网络的特点是具有很好的神经网络的自学习、自适应能力,同时其网络参数也有了一定的可理解性。同时,将模拟退火与梯度下降相结合的算法明显改善了梯度下降中常见的局部极小问题,具有一定的现实意义。