滑模变结构控制是一种在理论上非常优秀的控制设计方法,在系统模型不确定和扰动上界可得条件下,滑模控制能获得安全的鲁棒稳定性,但滑模控制面临抖振的严重问题,而这个问题的出现和鲁棒性的获得紧密相关.另一方面,关于模糊逻辑的控制设计方法已得到大量研究和应用,这又包括两个方面,一是模糊逻辑发挥启发式人工智能和软计算的功能,二是作为非线性系统的建模工具.在滑模控制中同时引入模糊逻辑的这两方面功能将有助于抖振问题在一定程度上的解决.目前关于滑模控制各专题的研究均隐含了状态或输出精确可测的条件,若量测噪声实际存在但对其不予考虑,这将使滑模稳定性受到不利影响,因此有必要引入新的智能工具来压缩控制过程中因量测噪声而产出的信息不确定性.主要包括以下内容：1.研究了具有启发式特征的模糊滑模控制FSMC;2.研究了自适应模糊滑模控制;介绍了两种自适应模糊滑模控制设计方法,介绍了滑模稳定结论的获得过程,指明了自适应模糊系统在这两个应用背景中逼近能力的复杂性质.针对一类具有部分模型不确定性的非线性系统,基于连续状态可测条件提出了一种完全间接的模糊滑模控制方法.3.研究了基于模糊神经网络的滑模控制;4.研究了基于D-S证据推理的信息融合技术在量测噪声环境下滑模控制中的应用.