呼吸机是医院必备的救护工具之一，呼吸机的研究跨医学、机械学、计算机学等多门学科，研究的难度相对较大。我国目前的呼吸机虽然装机了多种通气模式，但是在任何一种模式下，都需要有临床医生进行参数的选取以及控制量大小的设置。这大大加重了临床医生的工作负担。 从数学的角度来看，由于人体生理结构的复杂性以及个体的差异，呼吸机的参数调节和控制无法用精确的数学模型进行描述，更多地依赖于医生的从业经验。模糊系统具有较强的知识表示及解释能力，神经网络则在知识的获取、自适应、学习及并行计算方面表现突出。将模糊系统与神经网络系统结合，可以形成一类功能强大的智能系统。 本文首先提出如何将临床医生对呼吸机参数的调整经验转化为用模糊集合表示的专家知识库，并用隶属函数来表示呼吸参数值。 利用模糊神经网络的理论来设计呼吸机的控制系统，给出了模糊神经网络的结构，采用三角模糊权的方法优化BP神经网络的学习算法，用α截集计算权值和阈值。根据呼吸机输入和输出参数的特点，本文还给出了进一步对模糊神经网络的系统结构以及输出权重进行优化和对模糊规则进行修正的方法，给出了病人生命体征状态控制器、生命状态发展趋势控制器以及决策控制器的设计过程。 本文提出一种新型的模糊神经网络推理自组织学习的呼吸机控制系统模型，用模糊神经推理网络控制器直接实现模糊量化、模糊规则的快速并行推理运算、逆模糊化和平均判决，给出控制量，用性能测量指标网络实现控制量修正，通过离线训练使性能测量指标网络联想记忆性能测量决策表，以提供给模糊神经推理网络控制器在线学习信号。 本文为呼吸机控制系统的实验研究构建了一个开放的实验室平台，设计了PC机和微处理器之间的串口通讯程序，实现了Pc机和呼吸机控制系统中的微处理器之间的数据实时传送。设计了模糊控制和模糊神经网络控制两套呼吸机控制主程序，实时监测呼吸机支持压力变化情况，简化呼吸机参数的设置和通气过程中的调试，提高了控制效果。 本文进行的模糊神经网络理论应用于呼吸机控制的研究，是实现呼吸机智能化的基础性工作。利用模糊神经网络使呼吸机具有学习和预测能力，提高控制效果，使呼吸机控制技术有重大提高。这一技术的研究、发展和完善将把我国的呼吸机研究推向一个新的水平。