自1985年T-S模型提出，日益受到越来越多理论学者和工程技术人员的关注。将T-S模型应用于建模、系统辨识、控制领域等的相关研究层出不穷。但所有这些研究都是与T-S模型对函数的逼近性密不可分的。　　本文针对这一情形，基于T-S模型对函数的逼近性进行研究。在已知精确的函数表达式的前提下，建立的T-S模型能够以任意精度逼近这类函数。通过利用函数的分析性质，得到给定误差与其对应的规则数之间的估计不等式，并且将这一逼近过程利用自适应神经网络加以实现。从而为T-S模型在系统辨识、动力系统、神经网络等方面成功应用提供了潜在保障。　　全文分为如下四个部分：　　首先本文主要介绍了T-S模型的发展现状；　　其次根据全文的需要，阐述了模糊数学的相关内容，详细介绍了原始T-S模型、模糊逼近定理（FAT）、模糊函数与神经网络；　　第三章是对基于T-S模型的函数逼近性的研究，为全文的核心；　　最后，给出了全文总结。