时变线性方程的快速求解在工程计算和机器人控制中具有重要意义，但现有零化神经网络通常面临收敛速度慢和对噪声敏感的问题。对此，提出了一种具有噪声抑制能力的预定义时间收敛的零化神经网络（predefined-time convergent noise-suppressing zeroing neural network，简称PTC-NS-ZNN）模型。首先，设计了一种基于模糊逻辑的参数调节机制，使激活函数可随误差变化自适应调整非线性增益，从而增强系统的瞬态性能并提高稳态精度；其次，从理论上分析了所提模型的稳定性、预定义时间收敛性及抗噪性能，证明了其在给定时间上界内可实现全局收敛，并具备有界噪声抑制能力；然后，在无噪声及多种经典噪声干扰环境下进行了数值仿真对比实验，发现相较于现有模型，PTC-NS-ZNN模型具有更快的收敛速度和更强的抗干扰能力；最后，将所提出模型应用于双机械臂轨迹规划，实验结果验证了其在不同环境下的高精度与实用性。研究结果表明，PTC-NS-ZNN模型在数值仿真和物理实验中均展现出显著优势，具有良好的工程应用潜力。