در این پایان نامه سعی بر آن است تا با ارائه روشی نوین به طراحی یک پایدارساز فازی-عصبی بهینه که پایداری دینامیکی و گذرا در سیستم قدرت چند ماشینه بهبود می بخشد پرداخته شود. در طراحی این پایدارساز، از پنج لایه شبکه فازی-عصبی استفاده می شود. قواعد کنترل فازی و توابع تعلق ورودی و خروجی می توانند بوسیله آموزش با استفاده از الگوریتم آموزش پس انتشار و هیبرید، بطور بهینه تنظیم گردند. همچنین برای داشتن میرایی خوب در رنج وسیعی از شرایط عملکرد، از سیگنالهای انحراف سرعت و شتاب بعنوان ورودیهای این پایدارساز استفاده می گردد. اصولا پایدارسازها بمنظور بهبود پایداری دینامیکی در سیستم قدرت استفاده می شوند و هر چقدر این پایدارسازها سریعتر بتوانند نوسانات سیگنال کوچک را میرا کنند پایداری دینامیکی سریعتر بهبود می یابد، از طرفی عملکرد آنها در پایداری گذرا نیز مورد توجه قرار می گیرد بنحویکه سیستم تحریک، عملکرد بهتری در برابر اغتشاشات سیگنال بزرگ خواهد داشت. پایدارساز فازی-عصبی طراحی شده می تواند این اهداف را برآورده کند، ضمنا این پایدارساز می تواند در رنج وسیعی از شرایط عملکرد، بمنظور تنظیم مجدد پارامترهای پایدارساز در شرایط بارگذاری ماشینها و اغتشاشات ایجاد شده، آموزش ببیند و براحتی می توان آنرا بر روی یک میکروکامپیوتر جهت کاربردهای عملی پیاده کرد. در این پایان نامه، عملکرد یک پایدارساز فازی-عصبی با پایدارسازهای کلاسیک، فازی و عصبی در سیستم های قدرت تک ماشینه و چند ماشینه، شبیه سازی و مقایسه می گردند. این پایان نامه با شبیه سازی غیر خطی سیستم در حوزه زمان به کمک نرم افزار مطلب با استفاده از جعبه ابزارهای سیمولینک، پاور سیستم، منطق فازی و شبکه عصبی حاصل شده است.