模糊系统的可解释性明显优于其他人工智能方法,却长期没有引起人们足够的重视。本文针对模糊建模过程中,系统的可解释性得不到保证的问题,提出一种基于模糊聚类的可解释性建模方法。该方法首先利用提出的一种含有熵的聚类有效性函数来评价模糊聚类方法的有效性和可解释性,从而确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法近一步来调整模型的参数。并将该方法应用于Box-Jenkins数据仿真实例,仿真结果表明该方法不但能保证系统的精确性,还具有很高的可解释性。 为使双连杆柔性机械臂的控制系统在负载和杆长变化时仍能快速、准确地跟踪期望轨迹,基于奇异摄动模型将双连杆柔性臂系统分解为慢变、快变2个子系统,提出了一种慢变子系统采用自适应模糊滑模控制、快变子系统采用模糊控制的混合控制方法。其中自适应算法在线估计未知参数,模糊控制用来抑制由滑模控制引起的振动。仿真结果表明,该方法不仅能实现柔性臂轨迹的快速、准确跟踪,而且能有效地抑制弹性振动,并且对系统参数的变化具有较强的鲁棒性。该方法的特点是对系统中各个等效的摄动参数分别进行自适应估计和补偿,因而控制算法简单,易于工程实现。