模糊神经非模型控制是智能控制的一个前沿课题。本文对模糊神经非模型控制系统的设计和应用进行了研究，针对具有不确定性的复杂受控对象，提出了多种模糊神经非模型控制方法，并通过仿真实验验证了所提出的控制方法的有效性。本文主要内容包括以下几个方面： 1．针对具有非线性特性的球形容器液位受控对象，从增益自调整和非线性补偿两个角度，分别提出了两种非模型控制方法，前者采用T-S模糊模型对神经元控制器的增益进行在线整定，后者使用本文建立的非线性神经元网络对球形容器进行非模型控制。仿真实验结果证明两种方法能有效克服对象的非线性对控制系统的影响，具有满意的控制效果和强鲁棒性。 2．针对具有严重非线性和不确定性的pH中和过程，给出一种神经网络模型，提出了一种神经非模型控制方法，该方法利用模糊算法在线调整神经网络控制器的增益，仿真实验表明这种基于神经网络的非模型控制方法能有效控制pH过程，具有优良的控制品质和强鲁棒性。 3．针对具有非线性和不确定性的车削系统，提出模糊神经元和神经元模糊增益自调整两种PID非模型控制方法。前者使用自适应神经元调整PID控制器增益，再由模糊算法来调整神经元增益。后者根据模糊查询表在线调整PID控制器的参数，并通过神经元调整查询表的反模糊因子以修改模糊规则。仿真实验结果证明所提出的方法具有很强的适应性和鲁棒性，以及很好的动态品质。 4．针对具有不确定性的直接驱动机器人单关节对象，提出了一种非模型双层控制方法。这种控制系统采用双环控制结构，内环的PID非模型控制器用来克服对象不确定性的影响；外环的模糊变结构神经元控制器用来改善系统的动态性能。仿真实验结果表明本文所提出的控制方法具有满意的控制效果。