随着现代科学技术的快速发展,控制工程师所面临的问题越来越复杂.许多系统具有严重的非线性、模型不确定、大滞后等特点.传统控制理论在应用于这复杂系统时,而临许多问题.而模糊控制对于这些问题的解决则具有很大的潜力.模糊逻辑着眼于对人思维的模拟,神经网络着眼于对人脑神经结构的模拟.这两个领域相互融合,形成了一个很有潜力的方法--模糊神网络.两者的融合可以做到的优势互补,有利于相互利用各自的优点,克服各自的缺点,提高系统的学习能力和知识表达能力,是控制领域近几年来新的发展方向.进化计算的起源决定了这一类算法具有优良的鲁棒性和自适应性.这些优点使其能够处理传统优化方法难以解决复杂问题,使系统设计者能更方便地找到适用和优良的模糊神经网络控制器.该文将模糊逻辑与神经网络相结合,并以该文提出的自适应遗传算法等其它随机优化方法作为模糊神经网络的学习算法,设计出优化的模糊神经网络控制器,并将其用于二级倒立摆的模糊神经网络控制的实验研究.