粗糙集理论是继概率论、模糊集理论、证据理论之后的一种新的处理不确定性信息的数学方法.它不仅为信息科学和认知科学提供了新的科学逻辑和研究方法,而且为智能信息处理提供了有效的处理技术.复杂非线性系统,由于其精确的数学模型很难得到,且有的系统参数时变,对它们的控制一直是控制界的一个难点,而在得到必要的操作训练后,由人实现的这类系统的控制是接近最优的.但操作专家的经验表达出来往往是非结构的、冗余的和非完整的,操作经验的表达也是一项主观的和困难的过程.粗糙集理论以历史操作数据为基础,能够从数据中发现和抽取隐含的规则并进行化简,由于粗糙集控制得到的规则是以操作数据为基础的,属于基于知识的智能控制范畴;同时,规则的简化又使它特别适合于要求控制器结构与算法简单的场合.该文主要围绕粗糙控制及粗糙混合控制展开研究.在先介绍了粗糙集理论的基本知识,以及常用的属性简化和最小控制规则求取算法的基础上,介绍了粗糙控制控制方法,对粗糙控制中可能存在的一些问题提出了看法和一定的解决方案.接下来则针对粗糙集和其它软计算方法,这里主要是模糊集和神经网络相结合的混合控制方式进行探讨研究.该文的主要创新之处可归纳如下:1.提出将属性重要度作为观测输入对于已知规则模糊匹配度的计算,并将其用于粗糙模糊控制的输出计算.2.利用模糊粗糙集的概念,给出了一种模糊粗糙K近邻分类器算法.3.虽然用于控制的模糊神经网络已有较成熟的理论和方法,但模糊隶属函数和模糊规则都要由专家给出,该文提出在结合粗糙集理论和模糊集理论抽取初始模糊控制规则的基础上的模糊神经网络控制系统,提高了原模糊神经网络控制系统的智能化程度.