在现代工业控制过程中,模糊控制在模型不确定系统中的应用越来越广泛。而对于不同的控制对象,模糊控制器的控制规则,隶属函数参数,量化因子和比例因子也是不一样的,它们对模糊控制系统性能的好坏起着决定性的作用。如何获取这些参数和规则是模糊控制器设计的核心问题。本文首先研究了模糊控制与神经网络的基础理论和融合技术,结合两者的优点,提出了一种全网络化结构的神经模糊控制器。它用五层神经网络实现了模糊控制器的全部功能:模糊化、模糊推理和反模糊。在研究了标准遗传算法优、缺点的基础上,采用多点交叉、灾变算子、最优保留及用模糊控制的方法确定交叉和变异概率等多种改进策略设计了一种改进的遗传算法,并用它综合优化神经模糊控制器的结构和参数,同时生成相应的神经模糊控制器。仿真结果和实验数据表明,优化后得到的神经模糊控制器具有较好的动态性能和较强的鲁棒性。最后将优化方法及神经模糊控制器应用于汽车防抱死制动系统的设计过程,基于单轮的汽车模型,实现了对刹车过程中滑移率的控制,仿真结果验证了此法在实际应用中的可行性及有效性。