在该论文中,作者进行了制冷系统多输入多输出模糊控制方法的研究.构建多变量模糊逻辑控制器的难点是多变量模糊控制规则的生成.为此,规则的生成必须朝着自适应、自组织、自学习方向发展.神经网络具有很强自适应和自学习能力,可以与模糊逻辑控制有效地结合.该研究将多变量模糊神经网络控制用于制冷系统.在分析模糊控制和神经网络控制两种控制方法的基础上,根据简化的模糊控制算法与对向神经网络(CPN)结构和功能上的相似性,提出了一种具有结构和参数学习能力的自组织模糊神经网络控制器,该控制器能够无需事先确定模糊控制的规则,就能在控制过程中通过采样数据在线学习,调整网络的结构,产生模糊控制规则并调整规则的参数.该控制器不仅结构简单,而且具有模糊控制的特点,又有神经网络的学习能力.通过实验结果表明:模糊神经网络控制具有响应速度快,超调较小,静差小,鲁棒性强的特点,达到了同时控制蒸发压力和过热度的目的.