复杂工业过程常常具有强非线性、不确定性、多变量、强耦合以及工况变化频繁等特点，动态特性难于用精确的数学模型描述。非线性系统的模糊建模与自适应控制的基本出发点是仿人的智能以实现对复杂不确定性系统进行有效的控制，它具有从环境自学习、适应环境的能力，自动进行信息处理以减少其不确定性，能规划、产生并能安全、可靠地执行控制作用。因此，深入研究非线性系统的模糊建模与自适应控制对解决复杂工业过程的控制具有重要的理论意义及应用价值。 模糊建模与自适应控制是研究非线性系统控制的有效方法之一，近年来，非线性系统的模糊建模与自适应控制取得了众多成果，实践也表明，模糊建模和自适应控制是解决非线性系统控制问题的有效方法之一。但是，如何从样本数据中建立良好的模糊规则库、如何构造模糊逼近器、如何改造模糊控制器使得系统获得更好的性能、如何解决状态不可测等问题都是非线性系统的模糊建模与自适应控制有待深入研究和解决的问题。 本文开展了非线性系统的模糊建模与自适应控制及其应用研究，取得了如下成果： 1．模糊规则的选取是影响模糊建模精度的一个重要因素之一，针对文[115]所提出的经典方法—查表法产生的模糊规则库缺乏良好的完备性和鲁棒性的弊端，从而影响了模糊建模精度问题。本文提出了用数据挖掘方法产生模糊规则库，用数据挖掘方法产生的模糊规则库具有良好的完备性和鲁棒性。通过仿真对比实验验证了用数据挖掘方法所产生的模糊规则库建立的模糊模型精度比经典方法—查表法更高。 2．针对现有的自适应模糊控制器的参数自适应律仅由跟踪误差进行调节从而导致了系统的跟踪性能收敛过慢的现状，本文探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节，并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果，该方法加快了系统跟踪误差的收敛速度。并将该方法推广到一类有界外扰的多输入多输出非线性系统，提出了基于模糊辨识与控制的混合鲁棒自适应控制方法。