یکی از ابزارهای رایج برای نمایش عدم قطعیت در فرایند اندازه‎گیری تئوری احتمال است. سال‎ها متغیرهای تصادفی برای نمایش عدم‎قطعیت‎هایی که خاصیت تصادفی دارند مورد استفاده قرار گرفته‎اند. با این حال زمانی که در فرایند اندازه‎گیری عدم‎قطعیت‎های نامعلوم و سیستماتیک مطرح باشند، متغیرهای تصادفی کاربردی ندارند. پس از معرفی منطق فازی، متغیرهای فازی برای نمایش این دسته از عدم‎قطعیت‎ها استفاده می‎شوند. با تلفیق متغیرهای تصادفی و متغیرهای فازی، دسته‎ای از متغیرها به نام متغیرهای فازی تصادفی به وجود می‎آیند که خاصیت هر دو گروه را دارند و عدم‎قطعیت‎های تصادفی، سیستماتیک و نامعلوم را نمایش می دهند. سیستم‎های فازی برای غلبه بر عدم‎قطعیت در مدل استفاده می‎شوند اما در اکثر آن‎ها به عدم‎قطعیت مربوط به فرایند اندازه‎گیری توجهی نمی‎شود. به همین منظور پس از معرفی متغیرهای فازی تصادفی سیستم‎های فازی اصلاح شده معرفی شدند. سیستم فازی تصادفی، سیستم فازی است که ورودی‎های آن متغیرهای فازی تصادفی هستند. در فرایند استنتاج این سیستم، عدم قطعیت‎های مدل و اندازه‎گیری باهم در استنتاج تاثیر میگذارند. ساختار کنترلی پیشنهادی این پایان‎نامه براساس سیستم فازی تصادفی و به منظور مقابله با عدم‎قطعیت‎ در مدل و فرایند اندازه‎گیری و برای سیستم‎هایی با ساختار نامعلوم معرفی ‎می‎شود. برای افزودن خاصیت یادگیری به این ساختار، شبکه‎ی عصبی فازی اصلاح شده و برای کنترلر جبرانساز، کنترل لغزشی پیشنهاد شده است. به منظور کاهش اثرات نوسانی کنترل لغزشی، کنترلر pi استفاده می‎شود. و در نهایت برای تضمین پایداری سیستم، کنترل تطبیقی و تئوری لیاپانوف به کار گرفته می‎شوند. این ساختار پیشنهادی در نهایت بر روی سه سیستم غیرخطی شبیه‎سازی شده و نتایج آن با روش فاقد متغیرهای فازی تصادفی مقایسه می‎شود.