Este documento presenta un nuevo enfoque para modelar procesos dinámicos no lineales (NDP). Está basado en una estructura de modelo autoregresivo no lineal con entradas exógenas (NARX) y un sistema difuso convolucional profundo (DCFS). El DCFS es una estructura difusa jerárquica, que puede superar la deficiencia de los sistemas difusos generales cuando se enfrentan a datos de alta dimensionalidad. Para aliviar la maldición de la dimensionalidad, así como mejorar el rendimiento de aproximación de los modelos difusos, proponemos combinar el NARX con el DCFS para proporcionar una buena aproximación del comportamiento dinámico no lineal complejo y un algoritmo de entrenamiento rápido con convergencia asegurada. Se proponen tres estructuras NARX DCFS, y se adapta el algoritmo de entrenamiento apropiado. Se realizaron evaluaciones en un conjunto de datos de horno de gas de Box y Jenkin y en los cuatro sistemas de prueba dinámicos no lineales. Los experimentos muestran que el método propuesto NARX DCFS puede utilizarse con éxito para identificar sistemas dinámicos no lineales basados en estructuras de dinámica externa y aproximadores estáticos no lineales.