近年来,二型模糊系统方法成为一个研究热点。本文研究二型模糊系统的设计方法及其在非线性系统辨识中的应用,首先基于自进化策略设计了一个具有结构(模糊规则库)和参数自进化能力的进化区间二型TSK模糊系统。该系统利用训练数据自动学习模糊规则库和系统参数,参数的学习采用梯度下降和带遗忘因子递推最小二乘算法相结合的混合优化策略,并在系统降型的过程使用了更有效的降型算法-改进的迭代算法,以降低区间二型模糊系统的计算消耗。将设计的系统应用到非线性系统辨识的问题中,辨识结果表明,相比于其它现有的方法,该方法建立的进化区间二型TSK模糊系统辨识模型有更高的辨识精度。在前面工作的基础之上,考虑区间二型模糊系统设计的复杂性,基于一型模糊系统和二型模糊系统的内在关系,研究由一型模糊系统设计二型模糊系统的方法,进而提出了一种由一型模糊系统学习而来的改进的二型模糊系统。该系统由一个一型模糊系统和一个由其扩展而来区间二型模糊系统构成。系统的设计过程主要包含两部分内容—模糊系统规则库学习和参数学习。首先基于自进化策略提出了一种模糊规则库学习算法来学习改进的二型模糊系统的规则库,通过对训练数据的学习来自动生成模糊规则库,首先学习生成一型模糊系统的规则库,然后由该一型模糊系统规则库扩展得到区间二型模糊系统的规则库。系统参数的学习过程中,只有一型模糊系统的参数是需要学习的,同样采取梯度下降和带遗忘因子的递推最小二乘算法相结合的混合优化策略。由此设计的改进的二型模糊系统只需要学习和一型模糊系统一样数目的参数,就可以获得区间二型模糊系统的优良性能。并且由于需要学习的参数少,计算量相比于现有的基于进化策略的区间二型模糊系统大大减少,使得该系统更具有实际应用价值。将改进的二型模糊系统用于非线性系统辨识问题,辨识结果表明,和其它现有的方法相比,该改进的二型模糊系统的辨识模型在保持高计算效率的同时取得了更好的辨识效果。