本文建立了以水位和温度为被控量的水箱物理对象,给出了水箱的控制输入与水位和温度之间的近似机理模型,确定了对象的参数。建立了以工业控制计算机(IPC)和数据采集控制卡(DA & C)为控制器,以水箱的水位和温度为被控量的完整控制系统试验平台。在此平台之上进行了传统的PID控制实验。实验表明,其中的积分控制作用对于系统的动态性能有不利的影响,而PD控制则有明显的静差。在此平台之上反复地进行了手动操作实验,获得了保持水位和温度稳定的直接的控制输入与输出数据,并通过数据采集卡采集成为学习样本。在传统控制和手动操作实验的基础上,本论文提出了由经验数据进行T-S型模糊控制器设计和优化的方法,并进行了验证。实验表明,按本方法设计的模糊控制器,其控制效果优于一般的PID控制。但是适应能力差,对工作点的变化敏感。本文还提出了基于监督控制和逆控制相结合的神经网络控制方案,并进行了仿真实验。实验表明,该控制方案的性能优于传统控制和单纯的神经网络控制,并且有较强的鲁棒性和适应性。最后,本论文还设计了基于模糊神经网络的控制方案,并用神经网络优化了模糊控制器的参数。控制效果优于T-S型模糊控制器。