转窑干燥锻烧是锌钡白生产中的关键工艺过程，它依靠改变锌钡白干燥锻烧条件来控制产品消色力指标。目前，国内外还未能建立一个有效的模型来描述此类过程。在非模型条件下，传统的控制方法撇开消色力指标，由工人经验，直接根据锻烧温度T调节锻烧转窑的转速n即温度高了，调快转速，温度低了，调慢转速。但这种控制是一种开环控制，依据工人经验操作，常常造成产品过烧或欠烧，达不到理想的控制效果。
针对锌钡白干燥锻烧过程的建模问题，本文提出了一种基于T-S（Takqgi-Sugeno）模型的自适应神经模糊推理系统（ANFIS）建模方法，其主要特征是其模型结论部分由线性函数组成，即将一个非线性模型划分为多个线性模型的模糊逼近，这使结论参数的辨识简单、快速、有效。基于T-S模型的ANFIS网络通过对模糊辨识系统的结构辨识和参数辨识，能自主地初始化模糊规则，并自适应调整前提隶属度参数和结论参数。通过对输入空间的模糊聚类f5*6，有效地防止了误差反传算法陷入局部极小点的可能性，并对解决T-S模型随辨识系统复杂度的大，其规则数目容易变大的问题提供了有利的帮助。
T-S模型将输入变量空间划分为m个模糊子空间，相邻模糊子空间互相有重叠（取决于隶属函数的选取），对于每一个模糊子空间，系统的局部模型可用一个线性方程来描述，而系统的总输出则为各局部线性模型输出的加权和每一分量X的模糊语言变量集合为r（Xi）1，2…，n.相应隶属函数用（k=其中，对MIMO系统，模型输出由各个单输出y合成得到。
由式（1），前提部分模糊集Aki的隶属函数表示为：模型总输出：系统前提部分各输入分量Xi属于模糊集合Ak的隶属函数“采用Gauss函数：T-S模型是一种本质非线性模型，易于表达复杂系统的动态特性。由于其结论部分各输出分量由线性方程构成，因此便于辨识结论参数。
2.2模糊聚类T-S模型对输入空间的划分是线性的，对于较复杂的非线性空间，要获得较好的辨识效果，会使规则数目成倍加下，聚类中心与各数据点间距离Dk采用：其中，X（an/
此种聚类方法对输入数据的处理非常迅速、有效，而且依据实际需要，通过调节ra/i0值大小可控制数据聚类的规模。
2.3学习算法基于T-S模型的ANF1S网络在结构上属于多层前馈网，在学习算法上同CMAC网络一样，同属于局部逼近网络，本系统主要通过数据的模糊聚类，减小其陷入局部极小点的可能性来弥补，P*78.模糊化层根据式（5）计算各输入分量的隶属度函数；节点规划层根据式（3）计算前提部分每条规则的隶属度函数；归一化激励层按照式（4）计算，使输出节点y/（（=1，2…，r）为每条规则输出的加权平均，如式（9）、（10）所示。
网络参数的辨识分为前提参数的辨识和结论参数的辨识两部分。
结论部分由于网络输出与各参数为线性关系，如式（2），采用线性小二乘方法可快速、有效地辨识结论参数，而前提参数的辨识可采用基于梯度下降的误差反传算法。
即结论输出是结论参数集X的线性函数，可使用小二乘法得到均方误差小（minAX?f）意义下的参数佳估计X\"州：华南理工大学，2002.童树鸿，沈毅，刘志言。基于聚类分析的模糊分类系统构造方法。南开大学学报（自然科学版）1999，孙增圻，徐红兵。基于T-S模型的模糊神经网络。清华大学孙增圻。模糊神经网络及其在系统建模与控制中的应用岳玉芳，毛剑琴。一种基于T-S模型的快速自适应建模方法邓志东，孙增圻，张再兴。一种模糊CMAC神经网络。IEEE欧阳楷，陈卉，周萍，等。神经计算中坐标变换的网络模型（CMAC）的泛化特性。华南理工大学学报（自然科学版）2⑴2朱燕飞（1976?）女，博士研究生。研究领域为工业过程控制，智能控制技术。
蔡永昶（1979-），男，硕士研究生。研究领域为计算机控制技术，智能控制技术。
毛宗源（1936?）男，教授，博士生导师。研究领域为工业自动化及建模，现代控制理论及应用，智能控制技术。
