科学技术的迅猛发展,使得各种工业过程领域对控制系统的响应速度、控制精度、稳定性和鲁棒性等提出了新的更高的要求。在生产实际中,工程系统的发展规模日益增大,复杂程度越来越高,周围环境变化带来的影响越来越大。然而,在大多数情况下,由于工业过程或者对象的机理复杂性、非线性、参数时变性、大滞后、强耦合性、不确定性以及随机的内部及外部干扰等,建立工业过程或对象的精确数学模型变得非常困难,进而给工业过程的成功控制带来了较大的难度。到目前为止,对于大多数不确定非线性系统的控制问题,比较常用的方法有自适应控制、鲁棒控制、变结构控制、神经网络控制、模糊控制等。自适应控制和鲁棒控制仅保证系统在不确定因素下的鲁棒稳定；变结构控制也很难保证系统的全局鲁棒性；神经网络方法能够给出较精确的描述模型,但隐层结点数目和学习率系数的选择是一项非常困难的工作,而且其“黑箱”模型难以理解。模糊控制方法运用模糊集合理论,能够较好地解决一类不确定系统的鲁棒性问题,然而,其控制精度较差。近年来,自适应模糊控制方法已经引起广大学者的关注。这种方法把模糊和自适应控制有机地结合起来,能够自适应地调整模糊推理参数,进而实现系统的在线控制。不确定系统的控制器设计具有其内在矛盾性。一方面,当不确定因素变化较慢时,自适应控制方法通过调整系统参数来解决不确定性问题；另一方面,当不确定因素的变化范围是已知有界时,鲁棒控制方法通过保证系统的稳定性来解决不确定性问题。实际上,扰动和不确定因素具有其客观的不确定性。例如,它可以既快速改变又数值较大。　　 本文针对一类不确定非线性系统的不确定因素变化既快又大的情况,提出了一种PI型自适应模糊控制算法,该方法利用模糊推理系统逼近不确定非线性系统的未知函数,并应用李亚普诺夫稳定性理论给出自适应调整率和渐进稳定性证明,进而实现在线控制。虽然所提的方法要求不确定因素的变化范围有界,但并不要求已知。所提方法应用于二阶倒立摆系统,仿真结果表明本方法是有效的。