控制学术权威Austrom指出：模糊逻辑控制、神经网络和专家系统是三种典型的智能控制方法。由于专家系统在实际应用中有较多的问题和困难(如：知识的获取主要靠人工移植，因此成本高、效率低；采用常规的分明集，致使它的推理能力弱，容易产生匹配冲突、组合爆炸等问题)，现在智能控制的重点则集中在模糊逻辑、神经网络以及二者的结合应用上。特别是二者的结合，由于融合了各自的优点，并能在一定程度上克服二者一些固有的缺陷，因而已受到人们的广泛关注，成为智能控制研究的热点。本文针对单纯模糊系统在传统建模方法上的缺陷：难以提取和调整模糊规则与隶属函数，并且其工作量往往随变量数目的增长呈指数级增长，在前人提出的正规化模糊神经网络(NFNN)结构基础上，改进了已有的规则合并的算法。利用这种算法，可以将由神经网络自动获取的模糊规则进行合并与调整，并通过一个函数的仿真实验验证了算法的有效性。转炉炼钢过程是一个复杂的多元多相高温反应过程，其模型的建立则是一个典型的多元非线性的映射过程，尤其在大多中小型转炉不宜增设副枪的条件下，如何在传统的静态模型之外寻找性能更优越的控制模型，就显得比较突出和迫切。本文即是把NFNN应用于某钢厂转炉提钒炼钢静态控制模型的建立问题之中，建立了转炉炼钢的冷却剂加料子模型。论文最后的测试结果说明了这种建模方式的有效性与实用性，也再次验证了规则合并的有效性。