罗红俊，马 龙，张官祥，魏春阳，陈绪鹏，金学铭，李超顺

（1.中国长江电力股份有限公司白鹤滩电厂，四川凉山615400；2.华中科技大学土木与水利工程学院，武汉430074；3.长江三峡能事达电气股份有限公司，武汉430000）

水轮发电机组具有时变、强非线性、非最小相位等特性，实现其精确建模一直是学术和工程应用研究的重点和难点，也是实现高品质控制的基础。

建立被控对象的数学模型的方法大致可分为机理建模和系统辨识两种方法。前者基于对系统特性和内部机理的清晰认知，后者是一种基于数据驱动的建模方法。由于水轮机内部的运动规律非常复杂，人们目前还无法给出水轮机的精确解析模型。而利用系统辨识方法可以建立能准确表达水轮发电机组的数学模型，克服解析法因机理不清或结构表述困难而难以准确建模的问题。

T-S 模糊模型是复杂系统辨识的有力工具，它结构简单并且能够以任意精度逼近非线性系统［1］。前提参数辨识和结论参数辨识是T-S 模糊模型辨识的两大部分，通常采用模糊聚类算法来进行前提部分辨识［2-7］。聚类算法将输入空间划分成若干子空间，每个子空间对应一个局部线性子模型。以模糊C 均值［8］为代表的基于点原型的聚类算法将输入数据空间划分成超球形，仅通过样本与中心之间的几何距离来定义聚类，并不能很好地保障子模型的线性度。为了克服这一局限，Hathaway 和Bezdek［9］对模糊C 均值进行了改进，得到模糊C 回归模型聚类算法。……