传统的控制理论对于精确系统具有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，效果却不理想。模糊控制理论作为智能控制理论的重要分支之一，它相对于传统的控制最大的优势是针对各类具有强耦合、非线性、不确定性、时变的多变量复杂非线性系统具有良好的控制效果，并在各个控制领域中得到了广泛的应用。因此，可以考虑利用模糊控制理论来处理上述控制问题。　　本文分别基于T-S模糊双线性模型和T-S模糊双曲正切模型，根据Lyapunov稳定性理论、自适应控制理论，结合线性矩阵不等式(LMI)，Schur补定理等相关知识，对模糊系统建模、稳定性分析及控制器设计进行深入研究，并在已有的基础之上推广了一些新的成果。　　主要工作概括如下：　　第一，针对复杂的非线性系统，通过多输入T-S模糊双线性模型来描述非线性系统，首先在不考虑建模误差的情况下，运用并行分布补偿算法(PDC)和线性矩阵不等式(LMI)的方法来设计状态反馈控制器，并且在Lyapunov渐近稳定意义下给出系统在衰减速率α下全局渐近稳定的充分条件。再次，考虑建模误差的情况下，利用自适应的方法来降低建模误差对系统性能的影响，改善了闭环系统的性能，最后，通过仿真例子验证方法的有效性和可行性。　　第二，考虑到模糊模型和实际系统之间的逼近误差，将用一个模糊逼近器去逼近误差函数。基于T-S模糊双线性模型设计的控制器有两部分组成，一部分通过求解LMIs得到（固定部分），另一部分通过模糊逼近器得到，并且相应参数通过自适应律来调整。所提出的控制器能够保证所有信号的有界性，并且以速率η指数收敛。最后通过两个例子来说明所提方法的有效性和可行性。　　第三，针对一类非线性系统，通过T-S模糊双曲正切模型近似逼近非线性系统，首先在不考虑建模误差的情况下，运用并行分布补偿算法(PDC)设计模糊控制器，以线性矩阵不等式(LMI)的形式给出系统渐近稳定的充分条件。继而考虑建模误差并利用自适应控制的方法降低建模误差对系统的影响，改善了闭环系统的性能。最后，通过仿真来说明所提方法的有效性和可行性。