模糊系统是模糊逻辑和模糊集合理论最著名的应用之一,它应用模糊逻辑方法处理由模糊性引起的不精确推理,它的核心大多是"if-then"规则所组成的规则库。模糊系统能有效的将专家经验和观测数据结合在一起,灵活的表达各种非线性关系。而且模糊系统具有可解释性,它的结构和参数可以用模糊规则来解释。然而,模糊系统存在易陷入局部极值点,收敛速度慢,推广能力弱等问题。粒子群算法是一种基于群体搜索策略的随机优化算法,来源于对鸟群群体运动行为的研究。作为一种新的优化算法,它在求解复杂问题的优化解过程中,它具有优化速度快,易于实现和较强的全局寻优能力。但是粒子群算法本身也在存在一些固有的缺陷,如算法在后期局部搜索能力弱。所以本文用基于粒子群算法的模糊聚类确定Mamdani模糊神经网络的初始参数,然后用PSO算法对前件参数和后件参数进行优化,最后用梯度下降法对参数进一步寻优,从而实现模糊规则的自动调整、修改和完善。实验结果证明,该方法提高了Mamdani模糊神经网络的逼近能力。