非线性系统控制是当下控制领域的研究热点。严格意义上,现实生活中的被控对象都含有非线性因素。随着科学技术的不断进步和工业生产的不断发展,各个领域对控制系统品质的要求越来越高,这使得控制系统不断复杂化；另外现代工业的被控对象通常具有复杂多变量、严重的非线性、强耦合、大滞后、分布参数时变以及种类繁多的干扰等特点：这使得基于精确数学模型的传统控制理论显现出诸多局限。为解决这些问题,智能控制理论被广泛应用于非线性系统的控制,尤其模糊神经网络控制更成为了研究热点。虽然模糊神经网络在非线性系统过程建模与控制中取得了一定成果,但尚有许多问题亟待解决。因此,进一步讨论模糊神经网络在非线性系统中的应用具有重要的理论和现实意义。本文在总结了非线性系统控制和模糊神经网络研究背景、现状之后,引出动态模糊神经网络(D-FNN)这一概念,并对其结构、算法、泛化能力及网络修剪技术等进行了深入的探讨。同时通过逼近Hermite函数和非线性动态系统辨识两次仿真,初步验证了动态模糊神经网络的有效性和实用性。随后运用动态模糊神经网络对循环流化床锅炉燃烧系统的流化床温度进行了直接逆控制设计及仿真,将其仿真结果与传统PID控制系统的仿真结果进行比较,证实了基于D-FNN控制器的控制系统抗干扰性好、响应快速平稳、收敛迅速、稳态误差小,具有良好的自适应性和鲁棒性。