工业过程大多数系统是非线性系统,传统线性系统理论的应用受到了很大的限制,因此非线性系统的建模和控制成为控制领域研究的主要内容之一。对于非线性系统的建模,模糊建模方法是一种良好的建模工具,其中T-S模型由模糊推理和局部线性模型组成,适合于表达结构知识,不需要反模糊化处理,表现出了对非线性系统的良好逼近特性,因而引起人们的广泛关注。对于非线性系统的控制,内模控制方法由于设计简单、跟踪性能好、鲁棒性强等特点一直受到控制界的重视。本文将模糊系统建模方法和内模控制方法相结合,研究了基于T-S模型的非线性系统控制问题。首先,研究了非线性系统的T-S模型结构。使用模糊C-均值(FCM)算法和最小二乘法建立了非线性系统T-S模型,与基于混合型pi-sigma神经网络的系统模型相比,具有较高的建模精度。其次,研究了基于自适应遗传算法的T-S模型辨识方法,用自适应遗传算法同时对T-S模型的前提参数和结论参数进行寻优,克服了FCM算法和最小二乘法相结合进行参数辨识易陷入局部极小的缺陷,提高了辨识精度。再次,针对基于自适应遗传算法的T-S模型辨识方法中收敛速度较慢的不足,研究了基于改进的微粒群优化算法的T-S模型辨识方法。用改进的微粒群优化算法同时优化前提参数和结论参数,有效地加快了收敛速度,提高了建模精度。最后,基于内模控制原理,针对一类非线性系统,给出了基于T-S模型的非线性系统内模控制方法,建立了非线性系统的T-S模型及其逆模型,克服了非线性系统内模控制中的难以建立精确的模型及逆模型的困难,并以此设计了内模控制器。仿真结果表明,该方法具有良好的目标值跟踪特性、扰动抑制特性和鲁棒性。