PID控制器以其结构简单、鲁棒性强、稳态无静差及易于操作等优点,作为工业控制中最通用的控制方法,经久不衰。但是对复杂被控对象应用的局限性,是制约其发展的重要因素之一。随着智能控制的发展,模糊控制理论的成熟和模糊控制技术的产生,为PID控制的发展带来了新的生机。本文在研究模糊控制系统的发展过程及其特点的基础上,针对单纯的模糊控制的缺陷,把粗糙集理论和自适应模糊C均值聚类算法作为对其优化的方法,对模糊控制器进行模糊规则的合理提取,以此进一步提高整个控制系统性能。粗糙集具有从大量数据中分析、推理、挖掘隐含知识及规律的能力,它解决了智能控制中对知识,尤其是不确定知识的处理这一难题,正在推动着智能控制的发展。本文利用粗糙集中知识约简这一思想精髓,对原始数据进行处理,直接从数据中提取模糊规则,减少了模糊控制器在规则获取方面的困难。粗糙集只能处理离散的数据,而工业过程中所产生的原始数据多为连续的。传统的数据离散放法都需要人为的设定分类数目,这样必然导致聚类结果的主观性和随意性,缺乏科学的依据,容易陷入局部最优解。本文利用自适应模糊C均值聚类算法对数据进行聚类,能够自适应地确定聚类中心的个数,可以避免在聚类数目的选取上存在的主观性,解决了聚类中的全局最优问题。并且对该聚类算法做出一些改进,使其有着良好的抗干扰性能。而模糊控制器(一般是二维模糊控制器)本质上是一类PD控制器,具有良好的动态性能,但由于其缺乏积分项,所以很难在模糊控制系统中消除稳态误差。为此,加入积分环节,并采用NLJ法寻优,使控制效果达到最优。本文在传统的模糊控制器研究的基础上,将上述的几种优化方法融入其中,进行了仿真,并且和蚁群算法优化的PID控制器进行比较。结果表明这一智能控制系统控制性能良好,是一个能达到满意控制效果的设计。