模糊推理是以模糊集合论为基础描述工具，对以一般集合论为基础描述工具的数理逻辑进行扩展，从而建立了模糊推理理论，是不确定推理的一种。在人工智能技术开发中有重要意义。模糊建模是指利用模糊系统逼近未知的非线性动态，从而逼近于整个系统。44626

本文全面回顾了模糊推理的产生背景、研究现状和发展方向，并介绍了模糊系统、模糊集合以及模糊建模等的基础理论知识。详细阐述了Sugeno模型的建模过程，利用模糊推理系统对非线性函数进行逼近，通过matlab仿真实例说明该建模方法的有效性。

为更好地实现本设计，查阅了大量文献，主要有书籍、期刊及学位论文等，并对所阅文献进行了比较全面、深入、系统的评述。

文献[1] 自从美国加利福尼亚大学控制论专家L.A.Zadeh教授在1965年提出的《Fuzzy Set》开创了模糊数学的历史。

文献[2]众多的学者对其进行研究，使其理论和方法日益完善，并且广泛的应用于自然科学和社会科学的各个领域，尤其是第五代计算机的研制和知识工程开发等领域占有特殊重要的地位。

文献[3]把模糊逻辑应用于控制领域则始于1973年。1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制。此后20年来，模糊控制不断发展并在许多领域中得到成功应用。

文献[4]由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种体系理论方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。从广义上讲，模糊控制是基于模糊推理论文网，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。它是模糊数学同控制理论相结合的产物，同时也是只能控制的重要组成部分。模糊控制的突出特点在于：

1）控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经验知识及操作数据。

2）控制系统的鲁棒性强，适用于解决常规控制难以解决的非线性、时变及大滞后等问题。

3）以语言变量代替常规的数学变量，易于形成专家的“知识”。

4）控制系统采用“不精确推理”。推理过程模仿人的思维过程。由于介入了人的经验，因而能够处理复杂甚至“病态”系统。

传统的控制理论（包括经典控制理论和现代控制理论）是利用受控对象的数学模型（即传递函数模型或状态空间模型）对系统进行定量分析，而后设计控制策略。

文献[5] 这种方法由于其本质的不溶性，当系统变得复杂时，难以对其工作特性进行精确描述。而且，这样的数学模型结构也不利于表达和处理有关受控对象的一些不确定信息，更不利于人的经验、知识、技巧和直觉推理，所以难以对复杂系统进行有效地控制。

文献[6]非模糊化处理是模糊系统中的一个关键环节，它是将模糊推理中产生的模糊量转化为精确量。常见的非模糊化方法有以下几种：1）最大隶属度值法（MC：max criterion）；2）最大隶属度平均值法（MOM：mean of maximum method）；3）面积平均法（COA：center of area）；4）重心法（COG：centerof gravity）。

文献[7]模糊控制器一般采用反馈控制结构，从结构上分析，常见模糊控制器一般可分为二维、三维模糊控制器。类似于PID控制器，二维模糊控制器一般也称PD或PI型模糊控制器，三维模糊控制器称为PID型模糊控制器。模糊自适应PID控制器是应用模糊数学的基本理论和方法，把规则的条件、操作等用模糊集表示，并把这些模糊控制规则及有关信息作为知识存进计算机的知识库中，然后计算机根据控制系统的实际响应情况运用模糊推理，即可自动实现对PID参数的调整，这就是模糊自适应PID控制。 模糊推理文献综述和参考文献:http://www.751com.cn/wenxian/lunwen_45876.html