坦克火炮作为战场装备,面临复杂多变的战场环境,用传统的基于对象模型的控制方法对其控制无法收到满意的效果。模糊控制不依赖于被控对象的数学模型,且鲁棒性强,用于坦克火炮能有效地克服控制中各种非线性和参数变化等因素的影响,取得较好的控制效果。但普通模糊控制器的参数和控制规则一旦确定便不能改变,不能很好地适应系统动态特性的变化或随机干扰的影响。粒子群优化算法(PSO)是最近十年来提出来的一种启发式群智能全局优化进化算法,其基本思想源自于对鸟群觅食行为的模拟,适用于求解非线性、不可微的复杂优化问题,也可应用于组合优化问题,具有原理简单、容易实现、收敛速度快等优点,近年来已成为人工智能研究的一个重要分支。由于粒子群算法与模糊控制具有强烈的互补性,二者的相互结合已成为近年研究的一个热点。本文通过深入研究粒子群算法与模糊控制的相关理论,针对基本粒子群算法的缺陷与不足,提出了一种融合遗传操作因子且惯性因子非线性递减的改进粒子群优化算法(GAPSO),并将其与模糊控制相结合,即用它来优化常规模糊控制器,在线自动调整模糊控制器的量化因子ke、kec。和比例因子ku,较好的实现系统快速一无超调的动态性能。从而达到更加优良的控制效果。然后本文将设计的GAPSO算法应用于优化坦克火炮模糊控制器,实验结果验证了本文设计的GAPSO算法能能克服复杂系统模型误差,外部干扰等不确定性的影响,具有很好的动静态性能以及很强的抗干扰性和鲁棒性。