用 Matlab 中的 Fuzzy 工具箱做壹個簡單的模糊控制，流程如下：1、創建壹個 FIS (Fuzzy Inference System ) 對象，a = newfis(fisName,fisType,andMethod,orMethod,impMethod, aggMethod,defuzzMethod)壹般只用提供第壹個參數即可，後面均用默認值。2、增加模糊語言變量a = addvar(a,'varType','varName',varBounds)模糊變量有兩類：input 和 output。在每增加模糊變量，都會按順序分配壹個 index，後面要通過該 index 來使用該變量。3、增加模糊語言名稱，即模糊集合。a = addmf(a,'varType',varIndex,'mfName','mfType',mfParams)每個模糊語言名稱從屬於壹個模糊語言。Fuzzy 工具箱中沒有找到離散模糊集合的隸屬度表示方法，暫且用插值後的連續函數代替。參數 mfType 即隸屬度函數(Membership Functions)，它可以是 Gaussmf、trimf、trapmf等，也可以是自定義的函數。每壹個語言名稱也會有壹個 index，按加入的先後順序得到，從 1 開始。4、增加控制規則，即模糊推理的規則。a = addrule(a,ruleList)
其中 ruleList 是壹個矩陣，每壹行為壹條規則，他們之間是 ALSO 的關系。假定該 FIS 有 N 個輸入和 M 個輸出，則每行有 N+M+2 個元素，前 N 個數分別表示 N 個輸入變量的某壹個語言名稱的 index，沒有的話用 0 表示，後面的 M 個數也類似，最後兩個分別表示該條規則的權重和個條件的關系，1 表示 AND，2 表示 OR。例如，當“輸入1” 為“名稱1” 和 “輸入2” 為“名稱3” 時，輸出為 “ 輸出1” 的“狀態2”，則寫為：[1 3 2 1 1]5、給定輸入，得到輸出，即進行模糊推理。output = evalfis(input,fismat)其中 fismat 為前面建立的那個 FIS 對象。壹個完整的例子如下：clear all;
a = newfis('myfis');a = addvar(a,'input','E',[0 7]);
a = addmf(a,'input',1,'small','trimf',[0 1 4.333]);
a = addmf(a,'input',1,'big','trimf',[1.6667 6 7]);a = addvar(a,'output','U',[0 7]);
a = addmf(a,'output',1,'small','trimf',[0 1 4.333]);
a = addmf(a,'output',1,'big','trimf',[1.6667 6 7]);rulelist = [1 1 1 1;
2 2 1 1];
a = addrule(a,rulelist);u = evalfis(4,a)其結果為：u = 4.221