由于变风量空调(VAV)系统的非线性及大滞后性，其精确模型难于获得或根本无法获得，所以在变风量空调的控制中，经典控制方法不能实现有效的控制，采用智能控制能克服经典控制的缺点，能够对变风量空调实现有效控制。在智能控制方法中，模糊控制系统具有被人容易理解的表达方式，但难于自动生成和调整隶属度函数和模糊控制规则；神经网络具有较强的自适应学习能力，但所得输入输出关系无法用容易被人接受的方式表达出来。将模糊逻辑与神经网络相结合，吸收模糊逻辑和神经网络二者的优点，克服各自具有的缺点，是VAV系统的一个较好的智能控制方法。同时，为了探讨智能方法的具体工程实现，有必要对工程中用到的对变风量空调进行控制的楼宇控制系统进行研究。　　 本文针对模糊控制和神经网络控制的优缺点，将二者进行了结合，对VAV系统应用了模糊神经网络控制方法。即根据模糊系统的结构，将神经网络学习算法引入模糊控制系统中，决定等价结构的神经网络，将神经网络的每层和每个节点都对应模糊系统的一部分。通过神经网络的学习，调整模糊集隶属函数的中心值和宽度值，在线调整隶属函数形状，实现了变风量空调系统中的室温模糊自适应控制。文中还针对网络结构复杂和节点数目较多的实际情况，对模糊神经网络学习算法进行了改进，采用了附加动量法和自适应学习率法，加快了网络的学习速度，避免了网络陷入局部最小值。为了给控制器提供在线学习的教师信号，在反馈通道采用了神经网络辨识结构(NNI)，辨识器根据控制量和系统输出量实时预测输出，对系统进行实时辨识。为了在线控制时隶属函数参数有一个较好初值及较短的学习时间，对网络进行了离线训练。仿真结果表明，与传统模糊控制效果和PID控制效果相比，模糊神经网络具有较好的动态特性和鲁棒性，是应用于变风量空调控制中的新方法。　　 _在文中，还探讨了使用通透以太网的楼宇控制系统，对其典型结构进行了分析，重点分析了其结构优势和具有的远程监控性能，对以太网应用于楼宇控制系统中的实时性和确定性进行了简单计算验证，还对使用通透以太网的楼控系统与短距低功耗技术结合等关键技术进行了理论研究，得出的结论和基本方法有很好的工程技术参考价值。