由于系統(tǒng)具有耦合性，參數(shù)時(shí)變的特點(diǎn)，傳統(tǒng)控制方法顯得缺少實(shí)用價(jià)值。而系統(tǒng)的工作機(jī)理可以通過(guò)咨詢正航儀器，我們?yōu)槟峁┙哒\(chéng)服務(wù)！所以適合運(yùn)用模糊控制技術(shù)來(lái)處理。
但由于控制系統(tǒng)參數(shù)的調(diào)整，以及對(duì)象參數(shù)時(shí)變的問(wèn)題，需要隨時(shí)優(yōu)化控制策略，因此系統(tǒng)必須要有自學(xué)習(xí)和自適應(yīng)功能。根據(jù)以上要求，選擇采用模糊神經(jīng)網(wǎng)絡(luò)作為系統(tǒng)的控制器。
因?yàn)槟：窠?jīng)網(wǎng)絡(luò)是一種集模糊推理的強(qiáng)大結(jié)構(gòu)性知識(shí)表達(dá)能力與神經(jīng)網(wǎng)絡(luò)的強(qiáng)大自學(xué)習(xí)能力與一體的新技術(shù)。專家控制經(jīng)驗(yàn)就蘊(yùn)涵在模糊神經(jīng)網(wǎng)絡(luò)權(quán)值中，而網(wǎng)絡(luò)通過(guò)自學(xué)習(xí)使得專家思想可以根據(jù)情況加以改變，從而實(shí)現(xiàn)了專家控制策略的優(yōu)化，而不是一如既往的執(zhí)行死規(guī)矩，真正實(shí)現(xiàn)系統(tǒng)的智能化。

雖然模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了模糊推理的表達(dá)，但仍然是神經(jīng)網(wǎng)絡(luò)。而神經(jīng)網(wǎng)絡(luò)較重要的問(wèn)題之一就是網(wǎng)絡(luò)的訓(xùn)練。由于需要優(yōu)化的參數(shù)較多，以誤差的平方和作為性能指標(biāo)，用最小二乘法對(duì)系統(tǒng)性能做估計(jì)得出性能曲面上存在很多局部理想點(diǎn)（也稱為局部極小點(diǎn)）的結(jié)論。因此，用傳統(tǒng)的BP算法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)使得網(wǎng)絡(luò)很容易陷入這些局部最小點(diǎn)而不易跳出，即使用自適應(yīng)學(xué)習(xí)速率BP算法也很難保證系統(tǒng)實(shí)時(shí)性的要求，故選擇通用性很強(qiáng)的遺傳算法來(lái)優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)。
并在以往對(duì)遺傳算法研究成果基礎(chǔ)上，針對(duì)遺傳算法“早斂”這一問(wèn)題對(duì)自適應(yīng)遺傳算法做出進(jìn)一步改進(jìn)，使算法效率得以提高！http://www.dgzhenghang.cn