非线性系统广泛存在于客观世界中,因此对于非线性系统的研究显得尤为重要。另一方面建立对象的模型是进行系统分析、设计、预测、控制和决策的前提和基础,所以深入研究非线性系统的辨识建模具有非常重要的意义。T-S模糊模型是一种可以用来表示非线性系统特征的数学模型,利用这种方法可以将复杂的非线性系统表征成一些简单的线性子系统,从而可以利用传统的线性控制理论来对非线性系统进行控制和稳定性分析等。基于T-S模糊模型的非线性系统辨识包括结构辨识和参数辨识两部分,应用模糊聚类及其改进方法可将其前件结构和参数辨识出来,利用最小二乘法及其改进方法可辨识出后件参数。本文紧紧围绕基于T-S模糊模型的非线性辨识展开了讨论与研究。在T-S模糊模型辨识中,模糊规则数目的确定,即模糊聚类中聚类数目的确定,是建立模糊分类子系统的首要问题之一。寻求最优的聚类数目是聚类有效性研究的范畴,相对于传统的聚类有效性分析方法,本文总结出一种简单便捷的聚类分析方法-双目标聚类分析,可以方便快速地确定最优聚类数目,优化模糊系统结构,实现非线性系统的辨识。另一方面考虑到T-S模糊模型的良好的精确性和可解释性,运用多目标遗传算法NSGA2对T-S模糊模型进行优化设计。它采用实数编码的形式,以系统均方误差和模糊规则数目为目标函数,运行算法可以得到一组规则数目少,误差较小的最优解集,最后依据目标函数的均衡性评价指标选择恰当的解得到精确性和解释性良好的T-S模糊模型,更好地逼近非线性系统。