模糊控制是用于模型结构不确定的复杂系统的有效算法，广泛应用于气象、冶金、化工等领域。它通过经验法或试凑法确定隶属度函数的数量及规则，运用模糊推理与合成，形成模糊输出，达到对被控对象控制的目的。但由于受认识程度的限制，这样确定的结构对被控对象来说往往不很合适，如隶属度函数过多或者过少，控制规则过多或者过少，从而影响系统的控制效果。因此，研制结构能够自组织、规则能够自调整的模糊控制算法显得十分必要。　　 本文在综述国内外研究现状的基础上，针对常规模糊控制结构存在的问题，将模糊控制理论、神经网络技术有机结合，提出了自结构神经-模糊控制算法。首先给定具有最少隶属度函数和控制规则的初始精简模糊控制器；在此基础上，利用自结构模糊控制算法对控制器结构(隶属度函数和控制规则)进行动态调整；最后用径向基函数(RBF)神经网络对控制器参数进行自动优化。解决了基于系统性能的估计来动态增加或减少隶属度函数和相应的控制规则而引起的控制器较为粗糙等问题。同时，用Matlab对一阶大惯性、大滞后对象，二阶大惯性、大滞后对象，及非线性被控对象分别进行仿真，并对结果进行了分析。仿真实验表明，与传统的模糊控制及神经-模糊控制算法相比，自结构神经-模糊控制算法适用对象广，响应速度快，控制精度高，算法可行。　　 为验证方法的有效性，本文对其实际应用也进行了研究。在以单容、双容水箱为被控对象，以JX-300.DCS为控制站，以IPC-610工业计算机为工程师站的液位控制实验平台上开展实验研究，用SCX语言开发了相应的模糊控制模块，完成实验系统的调试与实际运行。实际应用结果表明：与传统的PID控制相比，该算法响应速度快，控制稳定，具有一定的实用价值；同时，系统的实际运行对基于DCS平台开发先进控制算法有一定借鉴作用。