许多复杂的系统是无法用传统方法对它定义,不能建立有效的数学模型和控制方法。目前,模糊逻辑和神经网络技术是智能控制理论中十分活跃的分支,而小波分析技术由于对信号具有多分辨率功能和时频局部化性质,一出现便得到了迅速的发展。为此,本文研究了基于模糊逻辑技术、小波分析和神经网络相结合的一种新的模型—模糊小波神经网络。主要的研究工作如下:首先,全面的回顾了非线性系统辨识的发展历史及研究现状,并对当前模糊逻辑技术、小波分析和神经网络三者结合的研究进展作了概述。然后,将T-S模糊模型与前馈神经网络相融合构造了一种新型的模糊神经网络,该模型采用基于梯度下降法和α? LMS算法相结合的混合学习方法,其中梯度下降法用来训练高斯型隶属度函数的非线性参数,而α? LMS算法用来训练线性参数,即权值。从理论上,证明了该模型对非线性函数的万能逼近能力。最后,进一步利用小波变换的压缩和多分辨率特性与模糊神经网络相结合构造出两种模糊小波神经网络模型,并应用在非线性系统辨识上。通过对静态系统进行仿真,结果表明模糊小波神经网络是最优的。