控制理论的发展与进步，一方面依赖于工业和其它技术科学提出的越来越高的要求，另一方面与科学技术的发展水平，特别是数学工具的进步密切相关。数学在控制理论中起了重要作用，尤其是模糊逻辑与小波分析，在近几年的智能控制领域有着广泛的应用。 本文分别对小波神经网络和模糊神经网络结构进行了阐述，并针对传统BP算法收敛速度慢，容易陷入局部极小等缺点进行学习算法的优化研究。分别提出了基于非正交小波基函数的小波神经网络的快速学习算法和能全局寻优的模糊神经网络自适应BP算法。 本文还在小波和模糊推理的基础上，对小波分析与模糊推理的融合技术做了三方面的尝试性研究。其一是设计了一个模糊化的小波神经网络，并给出了其学习算法。其二构造了小波模糊网络(WFN)模型，并系统阐述了该模型的训练算法。其三是提出一种新的控制策略即小波神经网络在线自学习模糊自适应控制器。并将理论研究结果应用于机器人的补偿控制。 通过本文，我们有理由相信，智能控制理论和小波与模糊理论的相互交叉、相互渗透，会给自动控制科学带来新的发展机遇和活力。