随着模糊逻辑和模糊控制的飞速发展，模糊控制规则的获取已经成为模糊技术应用的一个关键。本文研究了模糊控制规则的自动生成方法，研究所针对的问题是：生成Mamdani型模糊控制器，其控制规则后件为模糊语言值，并要求可以在运行过程中进行动态学习。 根据应用需要，并参考已有的研究成果，本文提出了一种方法，即模型参考模糊神经网络学习控制方法。这是一种在运行中进行学习的动态学习方法。学习系统主要包括参考模型，模糊反模型，和模糊神经网络三个部分。在运行中，参考模型给出希望达到的理想响应，模糊反模型对系统的控制效果进行评价，并产生控制量的调整值，作为教师信号输入模糊神经网络。模糊神经网络采用自组织学习和BP算法的混合学习算法进行学习。 本文对这种方法进行了仿真实验。实验结果表明，这种方法是有效的，可以进行控制，并自动生成模糊控制规则。 本文还介绍了模糊控制开发系统FDS2.0。这是一个模糊控制系统设计软件，可以构造和修改模糊控制系统，设计Mamdani型和T-S型模糊控制器，并对控制系统进行仿真。设计完成的模糊控制器可以编译成为F200模糊控制芯片的知识库文件。