建立对象的模型是控制系统设计的基础，非线性系统的建模是复杂系统建模的难点之一，己有的研究证明T-S模糊模型是这类系统建模的有效途径，T-S模糊模型的最大特点是它能够自适应地生成模糊规则，解决了传统的模糊系统不能自动地将人类专家的知识经验转化为推理规则库的问题。 在各种T-S模糊模型的建模方法中，较为成熟的是ANFIS建模方法和模糊聚类建模方法。本文详细的介绍了T-S模糊模型及ANFIS建模方法和模糊聚类建模方法。 重点介绍了T-S模糊模型学习所使用的混合学习算法，ANFIS建模方法和模糊聚类建模方法的不同模型结构及它们对输入空间的不同划分方式。ANFIS是基于Sugeno模糊模型构建的，其实质上是一种采用格栅法划分输入空间的T-S模糊模型。模糊聚类法实质上是采用减法聚类法划分输入空间的T-S模糊模型。 针对传统的基于T-S模糊模型建模方法没有考虑到训练数据的相关性这一问题，实现了一种通过最优正交变换来去除训练数据相关性，对训练数据进行预处理，进而对传统方法加以改进的方法，并通过对一个典型的非线性函数建模仿真加以验证。