非线性系统控制的研究是控制领域一个十分重要的分支。在现实生活中，几乎所有的系统都是非线性系统。随着社会经济的发展，人们对工业生产过程要求的不断提高，对具有严重的非线性、时变以及种类繁多干扰的被控对象的控制，采用常规控制方法已无法获得满意的动静态控制效果，这就要求不断寻求新的控制策略。人工智能的发展，特别是模糊控制和神经网络的结合为非线性系统的控制，提供了一条新的控制途径。 本课题包括以下三个主要部分：(1)本文利用模糊神经网络控制器对非线性被控对象进行控制研究，应用多层前馈网络构造模糊变量隶属函数和模糊椎理控制模型，使神经网络的权值或参数具有模糊系统等价的物理意义。模糊神经网络控制算法可根据要求在线调整，以确定最佳隶属度函数，使系统获得理想输出。 (2)本文采用该控制策略对非线性系统进行了仿真研究，并将该控制算法和传统的控制算法进行了仿真比较。结果表明，该控制策略可以在非线性系统控制中达到较好的控制效果。通过隶属度函数学习前后的变化验证了该控制算法的较强学习和表达能力、鲁棒性和在非线性系统控制中的有效性。 (3)中和过程是一个典型的非线性过程，常规的线性控制方法很难对其进行有效控制。本文分析了中和机理和pH值曲线的非线性特点，采用模糊神经网络控制实现对pH值控制的仿真，并取得了较好的仿真效果。进一步表明模糊神经网络控制研究不仅具有重要的理论意义，同时具有较大的现实价值。