对于一类复合型模糊神经网络,论文首先进行了多方面的改进研究尝试。第一,对于递归复合型模糊神经网络采用了改进的BP学习方法,如引入动态学习率和动量项等,仿真证明网络逼近速度有所提高;第二,通过对递归复合型模糊神经网络的动态研究发现,引入多层递归环节对于网络的动态逼近能力有着显著的增强;第三,实际工业过程中,往往有许多先验知识,而复合型模糊神经网络可以利用其规则网络对先验知识进行融合,为此,深入研究了规则网络的先验知识利用;第四,深入探讨了多层递归复合型模糊神经网络对于数据噪声的抑制能力。将模糊神经网络与预测控制相结合,是提高系统鲁棒性和克服系统不确定性的有效手段,也是解决不确定性系统控制难题的有效方法,论文采用多层递归复合型模糊神经网络作为预测模型,构建了模糊预测控制方案,仿真研究表明了其有效性。对于具有区域特征的复杂对象,提出了对于不同区域采用各自适合的子网络进行逼近的方法,以多个子网络的结合,共同逼近复杂过程对象。每个子网络表现为具有自适应性的模糊神经网络,网络的结构随着对象区域的不同而改变。