本文在设计控制器时引入基于T-S模糊模型的神经网络自适应控制器,使得系统在故障情况下能够在线对消不确定项和模糊建模误差的影响,保证系统具有期望的鲁棒跟踪性能,克服了单纯用线性控制系统理论来控制复杂非线性系统鲁棒性能较差的问题。本文首先介绍自修复重构控制的基本状况和发展概况,并论述了当前的研究领域中存在的问题及发展的前景。其次,介绍了模糊系统、T-S模糊模型、故障诊断、自修复控制及神经网络的基本知识和基本理论,并在传统的重构控制的基础上,针对系统在建模时产生的误差、外界干扰及操作故障等因素对系统产生的影响,应用一种基于T-S模糊模型的自适应重构控制方案,使整个方案基于模糊T-S模型,再结合神经网络的学习能力,使得系统在故障的情况下能自动调整它的隶属度函数,为所设计的模糊控制器增加了相当的灵活性。可重构的控制律又使系统在故障情况下的输出能精确跟踪期望参考模型的输出,有效地补偿故障引起的非线性因素的影响,达到自修复的目的。最后,应用基于T-S模糊模型的自适应重构控制方案,对复杂的非线性系统进行自修复控制,经过仿真表明了本文采用的自修复控制方案的有效性。