论文针对化工过程非线性系统建模问题，提出了一类由函数网络和规则网络构成的复合型模糊神经网络。其中，函数网络采用改进型模糊神经网络结构实现非线性函数逼近功能；而规则网络基于过程先验知识，用于实现对操作区间的划分。论文中采用了几类非线性函数模型分别对改进型模糊神经网络和复合型模糊神经网络进行了仿真研究，结果表明，复合型模糊神经网络较之普通模糊神经网络在训练精度和测试精度上都有显著的提高，表现出了优异的预测和泛化能力。论文对模型混有白噪声干扰的情况也进行了仿真研究，结果说明复合型模糊神经网络具有较强的鲁棒性和抗干扰能力。论文还对具有外反馈动态结构的复合型模糊神经网络进行了初步探讨，并采用一类二阶动态非线性函数模型对它进行了仿真，仿真结果表明，这类动态结构的复合型模糊神经网络能够具有一定的动态性能。最后，论文将复合型模糊神经网络应用于泸天化集团公司尿素高压圈工段的三个重要液位系统中，从现场采集了大量的实时数据，采用复合型模糊神经网络对液位系统进行建模和预测，并且获得了满意的结果。 研究表明，论文提出的复合型模糊神经网络不仅在建模精度上有着明显的优势，而且在实际生产过程的应用上具有良好前景。