依照传统控制理论的控制方法，要实现对系统的分析和有效控制，必须建立系统的数学模型，然而对于有些复杂的非线性系统，由于影响因素诸多，存在严重的耦合现象，即使能够建立精确的模型也难以给出实用有效的控制方法，以致于所建立的模型体现不出具体的实际用途。如何建立系统的有效模型，是控制系统设计需要解决的首要问题。 本文首先利用模糊模型的非线性逼近能力，采用T-S模糊模型对小车-倒摆控制系统分析并实现了该系统的模糊建模及模糊模型各部分参数的辩识，在Matlab仿真环境下借助其模糊逻辑工具箱进行了系统的仿真，与采用线性二次最优控制的系统仿真结果进行比较，改善了系统超调量及快速响应性。 其次，针对模糊双曲正切模型这一新的模糊模型在实际系统建模的可行性和有效性进行了探索，并利用神经网络实现了模型参数的辩识。同其它神经网络模型相比此模型权系数的初始值可以根据各个输入变量在模型辩识中的重要性进行选择，减少了初始权值设定的随机性，从而缩短了模型辩识时间 最后利用神经网络所具有的自学习能力结合模糊控制较强的知识表达能力，构造具有自动调整模糊隶属度函数的模糊神经网络，并利用它实现非线性函数的逼近。