为了使T-S模糊系统能够更有效、精确地对非线性系统进行建模,提出了一种用于T-S模糊系统训练的改进的全局收敛Levenberg-Marquardt(L-M)算法,并给出了相应迭代步骤和模糊系统的在线训练方案.该算法是在局部误差界条件下,结合信赖域方法,根据逼近效果实时调节步长,有效避免了Jacobi矩阵奇异,并加快了算法的收敛速率.然后,将该算法应用于T-S模糊系统的训练中,在线调整模糊系统中各线性多项式的参数及模糊隶属度函数的参数,从而使模糊系统不过分依赖于专家经验,并且提高其逼近速度和精度.最后,将该算法运用于NSV姿态系统的T-S模糊建模中.仿真结果表明:该算法可以很好地逼近NSV姿态系统;与标准的L-M算法相比,该算法在保证精度的同时明显提高了收敛速度.