控制系统是制导炸弹的关键部位。目前，所有制导炸弹的控制系统都是基于一定的数学模型，以固定的方式修正弹道误差。由于存在各种不可预知的误差因素，但控制方式却不可调整，造成制导炸弹的实际命中精度不高。针对这种情况，文献[1]提出一种基于自适应神经模糊推理系统(A NFIS)的制导炸弹智能控制系统。它不基于数学模型，通过A NFIS对训练数据的学习来进行控制。由于充分利用了神经网络的自学习能力和泛化功能，并且结合了模糊系统的启发式搜索能力，因而基于ANFIS的智能控制系统具有较高的控制精度和较强的泛化能力。但经过大量实验发现，由于ANFIS不具有抗噪声能力，当训练数据受噪声影响时，必须人工分析数据特征，修改训练数据，才能获得恰当的推理规则，这使得该系统的“智能”性能大打折扣。基于此，提出了一种新的制导炸弹智能控制系统，该系统引入具有前置滤波特性的非单点模糊化技术，针对非单点模糊推理系统内部参数不易调整的问题，提出用梯度下降算法和遗传算法构成的混合并行学习算法调整系统内部参数，从而能够自动处理受噪声影响的训练数据，提高命中精度。通过计算机仿真试验，并与基于ANFIS的制导炸弹智能控制系统进行比较，验证了该控制系统的有效性。

1 非单点模糊推理系统(NSFIS)
    提出的制导炸弹智能控制系统的核心是非单点模糊推理系统(NSFIS)。一个n输入1输出的模糊推理系统，其模糊规则可表述如下
 上的模糊集合，和y∈V对应于系统输入和输出变量，l=1，2，…，M为模糊规则数。
    当采用中心平均模糊消除器、乘积推理规则、高斯隶属度函数和非单点模糊化时，得到的非单点模糊推理系统为

    时，非单点模糊化与单点模糊化等价；当输入变量xk受到噪声污染时，噪声在非单点模糊器中会被因子所克服。如果σx≥σFkl，噪声将会在很大程度上被抑制。