自适应模糊控制是具有学习算法的模糊逻辑系统，而模糊逻辑系统是由一系列模糊“如果-则”规则组成的，学习算法则是依靠输入-输出调整模糊逻辑系统的参数。由于其兼容了模糊控制理论与自适应控制理论的优点，因此，在非线性函数逼近、非线性系统建模与辨识、非线性系统控制和自适应、自组织、自学习等方面得到了广泛的研究和应用。其中，如何消除逼近误差和外扰的影响，保证非线性模糊控制系统的鲁棒性和抗干扰能力是当今控制领域的研究热点之一。 本论文在对国内外大量文献分析和总结的基础上，主要对下面几个问题进行了研究： (1)针对一类单输入单输出非线性不确定系统，在系统不完全直接可测的情况下，基于Lyapunov理论设计方法，通过采用自适应模糊逻辑系统逼近被控对象的未知非线性和引进一种误差观测器，设计了一种基于观测器的鲁棒自适应模糊控制。该方法考虑了函数逼近误差和系统外扰的存在，并假设该逼近误差和系统外扰有界但界未知的情况下，设计了一个鲁棒自适应控制器，并给出了这个界的自适应估计项，最后证明了所设计的控制器能获得较好的跟踪性能。 (2)针对一类不确定离散非线性系统进行了稳定性分析并提出了模糊鲁棒控制器、观测器的设计方法。这里不仅考虑了系统状态不可测问题，而且考虑了模糊模型的不确定问题。首先，由T-S模型对不确定非线性离散系统建模，不确定的非线性模型描述不同状态空间的局部动态区域。这些不确定的非线性模糊模型通过中心平均反模糊化、乘积推理、单点模糊化方法得到了全局模糊模型。模糊鲁棒控制器和观测器的设计是在并行分布补偿的基础上实现的，针对每一个局部不确定非线性模型设计一个模糊观测器和模糊反馈控制器。最后的观测器和控制器总体上是非线性的，是又一次单个非线性观测器和控制器的模糊组合。同时，保证了系统鲁棒稳定性。 (3)针对一类非线性不确定系统，提出了一种自适应模糊滑模控制器的设计方法。采用模糊神经网络对非线性系统建模，利用改进的BP算法对模糊神经网络的隶属函数中心、宽度和网络权值进行调节，当系统存在外部干扰并有界时，利用Lyapunov方法证明了系统的稳定性。仿真结果证明了模糊滑模控制器具有良好的控制效果。 (4)针对一类多输入多输出非线性不确定系统，提出了一种基于观测器的模糊自适应输出反馈控制方法。考虑函数逼近误差和系统外扰有界但界未知的情况，利用“主导输入”的思想解决MIMO的耦合问题，基于Lyapunov函数方法，设计了一个鲁棒自适应控制器，在系统状态不完全可测的情况下，在鲁棒稳定自适应模糊控制设计基础上，借助高增益观测器估计系统的跟踪误差，得到系统状态的估计值，进而设计了一种输出反馈控制器，给出了输出反馈控制律以及参数的自适应律，并证明了该输出反馈控制器能获得满意的跟踪性能