复杂工业过程常常具有强非线性、不确定性等特点,动态特性难于用精确的数学模型描述。非线性系统的模糊建模与自适应控制的基本出发点是仿人的智能以实现对复杂不确定系统进行有效的控制,它具有从环境自学习、适应环境的能力。因此,深入研究非线性系统的模糊建模与自适应控制对解决复杂工业过程的控制具有重要的理论意义及应用价值。模糊推理建模法是根据模糊逻辑系统的插值机理,将控制系统的数学模型等价成分段或分片的插值函数,这样便解决了在模糊控制系统中被控对象难于建模的问题。本文采用三角形和高斯隶属函数分析一维和二维模糊推理模型,通过仿真数据说明了不同模糊划分数和隶属函数的模糊推理系统的不同截断误差特性。同时采用论域分段法对模糊控制器的解析结构进行分析,揭示了模糊控制器和PID控制器的等价性,找到解决影响控制品质的隶属函数选取方案。由于传统模糊建模方法,模型的参数都是人们根据经验选取的,它对于不同系统的动态跟踪能力不同,泛化能力差。针对常规模糊推理的局限性,本文提出一种类高斯隶属函数,证明了基于类高斯隶属函数的自适应模糊推理系统以任意精度逼近非线性系统。设计了自适应模糊推理系统的结构和参数调整方案,利用梯度下降算法学习模型中的参数,结合仿真实验说明了自适应模糊推理模型的万能逼近性。最后将自适应模糊推理模型应用于非线性动态系统辨识,进一步验证了它的现实可行性。