T-S模糊模型采用线性方程去表示每一个局部区域的局部规则，以局部线性化为基础，通过模糊推理的方法实现全局的非线性。基于T-S模糊模型的上述特点，本文采用改进的递阶进化规划方法，将染色体设计为包含控制基因和参数基因的递阶结构，应用于该模型的辨识中。在对进化规划算法的收敛性进行分析，并将进化规划与遗传算法做比较之后，采用此方法直接确定T-S模糊模型的结构和参数。为了加快收敛速度，采用此方法先确定模糊模型的结构和前提参数从而减少参数基因的个数，再用最小二乘法来确定模型的后件参数。然后，将该算法应用于RBF神经网络的设计中，基于T-S模糊模型和RBF神经网络在一定条件下的函数等价性，采用递阶进化规划方法先确定RBF神经网络的拓扑结构和权值，从而确定T-S模糊模型的结构和参数。仿真试验表明了算法的有效性。最后，对上述方法的仿真结果进行简要分析。