کنترل سیستم های غیرخطی نا معین در حضور اغتشاش، یکی از مسائل مهم و چالش برانگیز کنترلی می باشد که توجه بسیاری از محققان را به خود جلب کرده است. به دلیل وجود محدودیت شناخت در مورد پدیده های فیزیکی، امکان توصیف بسیاری از پدیده های آشکار به وسیله توابع غیرخطی وجود ندارد و دست یابی به مدل ریاضی سیستم مشکل است. این عوامل کار را برای طراحی کنترل کننده های مقاوم از جمله کنترل مدلغزشی مشکل می سازد و باعث می شود تا برای کنترل این نوع سیستم ها از ترکیب این کنترل کننده با الگوریتم های هوشمند استفاده شود. در واقع ترکیب کنترل کننده مدلغزشی و یک روش هوشمند مانند شبکه های عصبی می تواند باعث وابستگی کمتر و یا تقریباً ناچیز کنترل کننده به مدل سیستم شود. در این پایان نامه تلاش می شود تا قابلیت کنترل مدلغزشی با رویکرد تطبیقی با استفاده از قدرت تخمین شبکه های عصبی ارائه شود که در آن ساختار شبکه عصبی پیشنهادی بر مبنای عصب های راف می باشند. مزیت این روش این است که نیاز به شناخت دقیق از سیستم ندارد. سیستم مورد بررسی در این پایان نامه به صورت سیستم غیرخطی به فرم افاین می باشد. توابع غیرخطی موجود در مدل سیستم، به صورت توابع ناشناخته و کران دار فرض می شوند. به دلیل نامعین بودن این توابع، نیاز به تخمین مناسب در طی فرآیند کنترل وجود دارد. با توجه به توانایی بالای شبکه های عصبی راف در مدل کردن نامعینی ها، این تخمین گر قادر است با تعداد عصب های کم به خوبی توابع نامعین موجود در مدل سیستم را به صورت برخط تخمین زده و در اختیار کنترل کننده مد لغزشی قرار دهد.هدف کنترلی این است که سیستم حلقه بسته، پایدار مجانبی بوده و در برابر اغتشاش و خطای تخمین مقاوم باشد.