在控制器中将非线性过程模型直接嵌入的一种非线性的控制方法，我们称之为一般模型控制(GMC)策略。在一般模型控制策略的基础上发展起来的通用模型控制方法(CMC)，是一种可直接利用非线性过程模型的控制方法，在模型精确和没有控制约束这两个条件下，闭环控制系统变为一个标准的二阶系统。这种控制策略的特点是结构简单、鲁棒性强、控制器参数易于整定。本文试着把模糊神经网络(FNN)与通用模型控制策略(CMC)结合起来，提出了通用模型模糊神经网络控制方法，克服了通用模型控制器(CMC)要求过程一阶微分模型应该有显式解的缺陷，并且将其同模型参考自适应方法相结合得到通用模型模糊神经网络自适应控制方法，它们的有效性通过仿真实验得到了证明。以下几个方面的工作是本文主要要做的：　　 第一，对一般模型控制(GMC)方法的基本原理和发展过程作了简要介绍，并介绍了本文的研究重点通用模型控制(CMC)方法和模糊神经网络控制方法。　　 第二，试着将模糊神经网络与通用模型控制相结合，得到通用模型模糊神经网络控制(FNNC-CMC)，同时将FNNC-CMC和自适应控制结合，提出了通用模型模糊神经网络自适应控制(FNNC-CMAC)，目的就是为了增强系统的鲁棒性。这两种控制方法的有效性通过一系列仿真试验得到了验证。与通用模型模糊逻辑控制方法相比控制效果更佳；带自适应功能的比不带自适应功能的控制方法效果好。　　 最后，将通用模型模糊神经网络控制方法运用到转速、电流双闭环直流调速系统的转速环调节器中，与采用传统的PI控制方法比，系统瞬态响应快速并且控制效果好，而且此控制器简单，鲁棒性强。