公路隧道通风系统具有很强的非线形特征，传统的线性控制理论难以获得精确的数学模型，因此模糊控制等现代控制方法成为公路隧道通风控制的趋势，但模糊控制存在隶属函数、控制规则难以确定的问题。本文提出了建立公路隧道纵向通风神经模糊控制系统的一般方法，利用神经网络学习样本数据，自动提取建立模糊控制模型的隶属函数和控制规则，通过模拟仿真各种交通状况下的污染物分布和风机运行情况，结果表明此方法对中长隧道全射流纵向通风具有良好的控制效果。 本文首先结合空气动力学模型、污染模型、交通模型和最优风机开启台数选择模型建立样本数据获取程序，利用该程序产生不同交通流下的最优样本数据；然后，将多层前向神经网络与模糊控制进行结构等价型融合，通过学习最优样本数据，建立公路隧道纵向通风神经模糊控制系统；之后，用此模糊控制模型替代最优风机开启台数选择模型建立基于模糊控制的隧道通风仿真程序，在MATLAB下模拟仿真不同交通流下的隧道通风以测评控制效果；最后，对神经模糊控制系统的适应性进行了讨论。 本文提出的神经模糊控制系统实现了公路隧道纵向全射流通风模糊控制模型隶属函数和控制规则的自动生成，大大缩短了控制系统的设计时间，为通风控制系统的实时在线修改奠定了基础。该系统对各种交通流的控制效果良好，污染物峰值浓度被控制在卫生标准之下，实现了风机运行的最优控制，与传统的模糊控制系统相比，该系统可以进一步节能19％～32％，节能效果非常明显。该系统具有较好的适应性，对交通流和车辆基准排放量的变化、特殊交通流等情况的出现均能实现有效控制。本文建立的公路隧道纵向通风控制系统设计准则，可操作性强，为公路隧道纵向通风模糊控制系统的设计提供了规范化、实用化的流程和平台。 公路隧道纵向通风神经模糊控制系统具有很强的可行性和实际应用价值，对目前公路隧道通风控制的设计具有重要的实用意义。