模糊辨识是目前系统辨识中广泛使用的方法,其具备可以全面高效地利用专家理论和系统的输出输入数据的特点,而且得到的辨识相对于其它黑箱模型而言具备可说明性。模糊模型是模糊辨识理论建立的硬件基础,其已经被证明在非线性动力系统建模、基于规则的学习控制和模式识别中起到很大作用,它不仅极大丰富了辨识理论方法,而且有力地推动了模糊控制理论和仿真技术的发展。本论文紧紧围绕着非线性系统模糊建模和辨识方法展开讨论和研究,并将其应用于实际工业生产中。文中首先提出了一种基于模糊聚类的非线性系统模糊辨识方法,并将该方法成功应用于电力变压器顶层油温的预测中,建立了基于T-S模型的油温预测模型,模型的前件参数由模糊C均值聚类算法确定,后件参数由递推最小二乘法确定。然后针对现有算法的不足,提出了一种改进的模糊辨识方法,并将其应用于发制品检测滴定过程中,建立系统过程模型后,不仅能实现检测的自动化而且能够优化发制品检测的效率及准确度,因此,这项研究具有非常良好的工程实践应用价值。本文的主要研究工作概述如下:(1)通过模糊聚类方法确定模糊模型的前件结构,并对模糊聚类算法的性质和特点进行了研究。主要包括:聚类指数和聚类初值的选取对聚类结果的影响;(2)采用模糊聚类和多信息递推最小二乘法辨识模糊模型的结构和参数,并对辨识算法的收敛性进行了研究;提出了一种改进的模糊聚类算法,并通过定理形式给予证明,并通过仿真实例验证所提方法可靠有效。(3)模糊系统辨识在变压器顶层油温预测中的应用研究。基于某台实际运行变压器现场监测数据,以原边电流和环境温度为输入数据,顶层油温为输出数据,建立了基于T-S的变压器顶层油温的预测模型,预测结果与实测值差别很小,达到很高的计算精度,对于指导变压器安全运行具有重要意义。(4)模糊系统辨识在发质酸碱中和滴定中的研究。根据系统输入数据,CSTR中流出物的pH值作为输出数据,经过模糊聚类和多信息递推最小二乘法辨识模糊模型的结构和参数,建立发质酸碱中和滴定的模糊模型。通过辨识研究,提出的辨识模型能够有效预报酸碱度的变化,能够在自动滴定仪等检测设备的报警控制中的应用。