2.6 本章小结

工业生产中对象的复杂特性使得非线性建模问题具有相当大的挑战性。因此，如何利用现有技术、方法进行有效建模，对软测量和控制等问题具有重要意义。本章主要介绍了非线性系统的建模方法，特别是如何用模糊理论和技术进行智能建模。在模糊建模时，模糊规则的选取是影响模糊建模精度的一个重要因素之一。针对传统的经典方法（iWM和DM算法）产生的模糊规则库缺乏良好的完备性和鲁棒性的弊端，从而影响了模糊建模精度问题。本章提出了用数据挖掘方法产生模糊规则库，用数据挖掘方法产生的模糊规则库具有良好的完备性和鲁棒性。通过仿真对比实验验证了用数据挖掘方法所产生的模糊规则库建立的模糊模型精度比经典方法（iWM和DM算法）更高。最后，对这三种方法给出以下总结：

1）WM算法运用一个采样数据选举一条模糊规则的原理，使得系统缺乏良好的完备性和鲁棒性。(https://www.daowen.com)

2）iWM算法运用所有采样数据选举一条模糊规则的原理，但由于数据没有正则化，使得系统缺乏良好的鲁棒性。