太阳能热水器系统是一个时变的非线性复杂系统，如何实现其智能控制，是太阳能热水器控制系统研究领域中的一项重大课题。目前，太阳能热水器系统的理论研究与实际应用已取得了一定的进展，它们应用了广义预测控制、PID控制、经典的模糊控制、不确定性多目标规划等方法，这些方法具有一定的局限性，由于系统参数是事先确定下来的，系统运行中它们不具有自适应性，当外界环境变化较大时，控制效果较差。本文通过研究模糊自适应控制理论，设计了一个模糊自适应控制器对太阳能热水器系统的电加热进行控制，实现了太阳能热水器水温的自动调节，使热水器能根据用户的使用习惯自动调节水温。由于太阳能热利用系统具有时变性、非线性性和模糊性，很难用精确的数学模型来描述它，常规的控制方法得到的控制效果不太理想，因此为了获取系统的非线性特性，本文提出利用输入输出数据对，采用带有遗忘因子的递推最小二乘法对系统进行辨识。模糊控制不需要建立被控系统的精确数学模型，而用语言变量来描述系统；神经网络具有非线性映射、自学习能力及并行处理信息等优点，因此本方案把模糊控制与神经网络结合起来，将模糊控制中的隶属函数和模糊规则转换到神经网络中，利用神经网络自学习功能进行训练，不断修正神经网络的连接权重，以便达到调整隶属函数的分布，实现对控制器的优化。本文对太阳能热水器闭环系统进行了仿真试验，并让它同经典的模糊控制进行了比较，比较结果表明，采用本文所提出的模糊自适应控制系统对太阳能热水器的水温进行控制时，具有推理速度快，跟踪性能好，稳态误差小的优点。