滞后现象存在于实际应用的过程控制中,且这种滞后具有时变和未知等特性。随着工业的不断发展,这种滞后现象对工业生产已经不容忽视,且这种存在较大滞后现象的控制,对于常规的控制器已经满足不了现实的需求,必将影响到控制品质,这就影响和威胁着产品品质和经济利益。因此研究这种滞后现象不仅仅在理论价值方面具有很强的应用,而且在实际应用价值上也同样存在研究价值。本文针对纯滞后现象,研究了一种智能控制的方法,主要采用模糊控制和神经网络两种方法,将两种相结合研究了一种自适应神经模糊推理系统ANFIS。首先,论文对于常规的神经网络和模糊控制知识做了详细的分析,并且将两种知识进行有效的结合,分析了两种理论的相似之处,研究阐释了这两种方法相结合,并将它们应用于模糊神经网络系统。其次研究分析了自适应神经模糊推理系统控制方法,分析了ANFIS的结构以及减法聚类的密度聚类算法,研究了混合学习算法。对于控制器结构的设计,采用自适应模糊神经网络控制器和智能比例积分控制器,并对结果进行仿真和控制器做出了具体评价。最后将本文所研究的自适应神经模糊推理系统应用到温湿度环境的控制中,在搭建好系统测试平台后,对控制器的结构进行了设计,对系统运行流程做了详细的分析,并对控制环境和控制界面的设定以及控制界面上结果的呈现做了系统的研究。采用本文设计的方法,改善了常规控制系统存在的数学模型难以建立的问题,同时对于系统的稳定性有较大的改善,尤其是具有非线性特性的系统。本文所研究的智能控制的方法在仿真上呈现了很好的效果,表现出很强的适应性。