T—S模糊神经网络应用于气动伺服控制，从而避免复杂的非线性气动系统动力学建模过程。其中模糊逻辑系统完成气动系统的伺服控制，同时利用基于神经网络的学习算法调节隶属度函数的参数和神经网络的权值，可在一定程度上适应参数的变化从而优化整个系统的性能。应用所提出的控制方法，气动执行器通过多传感器信息融合获取运动状态和气体压力，自动的根据获取的信息调节比例压力阀的输出，在各种环境条件下达到合理的控制效果。

针对液压系统故障树分析时存在的故障概率获取不足、事件联系难以确定以及不能描述故障程度这三方面的问题，将T—S模型引入到模糊故障树分析中：用模糊可能性描述部件的故障概率；用T—S门代替传统逻辑门来描述事件间的联系；用模糊数描述部件的故障程度。结合液压机动力源系统故障树分析实例，计算出顶事件发生故障和出现各种故障程度的模糊可能性。

针对液压系统故障树分析时存在的故障概率获取不足、事件联系难以确定以及不能描述故障程度这三方面的问题，将T—S模型引入到模糊故障树分析中：用模糊可能性描述部件的故障概率；用T—S门代替传统逻辑门来描述事件间的联系；用模糊数描述部件的故障程度。结合液压机动力源系统故障树分析实例，计算出顶事件发生故障和出现各种故障程度的模糊可能性。