高压氧医学已经是一门比较成熟的学科,并且已经被广泛应用在临床医学上。目前新建的大型氧舱中有很多已经采用了计算机控制技术,实现控制过程中的自动控制。但是此项控制技术还只是停留在比较浅显的PID控制的层面,并没有将计算机的潜在的巨大的能量发挥出来。随着神经元网络技术及模糊控制的发展,我们可以尝试着研发出新型的控制技术,以便使高压氧舱的工作效率达到最佳值。本文对高压氧舱中氧气的浓度控制做了深入的研究,完成了几项主要的工作：(1)对高压氧舱中的氧气系统建立了动态数学模型,根据数学模型可以总结出氧气的放散与制氧机参数之间的关系。(2)对氧气的短期负荷进行了研究,确定了人工神经网络的结构及算法,选择了历史数据对网络进行了训练,得到了令人满意的训练结果；(3)对高压氧舱的高压环境内氧气的浓度进行控制,最终确定了了模糊控制算法可以使输出结果达到较好的控制精度；(4)对高压氧舱所用的氧气传感器进行了故障检测,具体的实现是采用了人工神经网络的算法,经过反复多次训练,取适当的学习系数,可使均方误差达到最小。试验与实践证明,该网络具有良好的收敛性和稳定性。