提出一种基于批量模糊学习矢量量化的模糊系统辨识方法.首先通过优化方法自动调整模糊指数,使所得到的模糊规则前件隶属度函数与聚类规则得到的隶属度函数相比具有较好的可解释性;然后针对模糊系统可解释性与精度之间的困境问题,为保证参数的可理解性,利用带约束的非线性优化方法调整后件参数,并用调整参数的界评估因优化造成参数恶化的程度.仿真实验表明,利用该方法得到的模糊系统模型具有较高的透明度,满足合理的精度.