非线性现象是在工程技术、科学研究以至自然界及人类社会活动的各个领域普遍存在的问题。非线性系统辨识成为目前国内外众多学者致力研究的一个热点问题。模糊逻辑和人工神经网络相结合设计出来的系统就是模糊神经系统，应用它研究复杂非线性系统具有重要的理论意义和实际应用价值，它已广泛的应用于自动控制领域。 本文围绕非线性系统的模糊神经网络辨识问题，展开研究。提出了一种带概率密度型隶属函数的模糊神经网络模型，并证明了它的通用逼近性；用这种新型的模糊神经网络模型对复杂非线性系统建模取得了很好的结果。提出了一种新型的优选聚类算法，该算法能同时解决上述新型模糊神经网络模型结构和参数的辨识问题，进一步提高了模型的辨识精度。 用本文的算法对非线性系统进行仿真，仿真结果表明了本文方案的有效性。