本文总结了温室系统的特点(非线性、大滞后、强耦合),并结合模糊控制的知识表达能力和神经网络的自学习自适应能力,把模糊控制技术、神经网络技术、计算机技术应用于温室控制系统的设计与研究,设计了温室模糊神经网络控制器。它综合了模糊逻辑和神经网络各自的优点来提高整个系统的学习能力和控制性能。模糊神经网络控制器,不仅能够处理模糊信息,实现推理功能,而且能够实现精确值的输入输出控制,并通过神经网络的自学习能力实现了对隶属函数参数和模糊逻辑规则权值进行优化。本文主要研究内容和研究结果如下:1.通过对温室环境中温度、湿度及各执行机构的研究分析,总结出温度、湿度受外界因素的影响情况及各执行机构对温室内温度、湿度影响程度的大小。并结合模糊逻辑控制和神经网络控制的各自优点,设计温室模糊神经网络控制器。最后设计并初步实现了含有此模糊神经网络控制器的综合控制软件的上位机部分。实际应用显示,此系统能较好实现温室的智能控制。2.通过分析冬季温室环境控制的需要,将六个执行机构考虑进模糊神经网络控制器的设计中,对部分执行机构的表示从简单的开关量提升为模糊集合的形式,具有更好的控制效果。3.总结传统BP算法的不足,并引入了改进的BP算法,在网络权值的更新过程中添加动量项和学习率。4.为了验证本文设计的模糊神经网络控制器性能的优劣,文中对此控制器进行了仿真试验。仿真结果表明,采用本文所提出的模糊神经网络方法进行控制,能够克服常规PID控制和模糊控制超调大、控制稳定性差等不足,具有推理速度快,动态及静态性能好,抗干扰能力强等优点。它能够较好地满足生产需要,具有较好的可行性。