常用函数：

1.newfis:Create new Fuzzy Inference System

a=newfis(fisName,fisType,andMethod,orMethod,impMethod,aggMethod,defuzzMethod)

2.addvar:Add variable to Fuzzy Inference System

a = addvar(a,'varType','varName',varBounds)

3.addmf:Add membership function to Fuzzy Inference System

a = addmf(a,'varType',varIndex,'mfName','mfType',mfParams)

4.addrule:Add rule to Fuzzy Inference System

a = addrule(a,ruleList)

通过addrule加入模糊规则，meiyig 输入或输出的变量都有一个索引（index）值,同样每一个隶属度函数也有一个index值，输入规则的函数就是会用这些索引来创建相应的模糊规则，在Matlab中模糊规则一般具有如下形式：

if input1 is MF1 or input2 is MF3 then output1 is MF2(weight=0.5)

模糊规则按照下面的逻辑被转化成一种数据结构（或矩阵）的形式来表示：如果系统由m个输入，n个输出变量和k条模糊规则组成，则该规则结构是一个[k;m+n+2]的矩阵。该矩阵每个行向量代表一条模糊规则，这个行向量的前m个数表示qian前m个输入变量对应的隶属度函数的索引值（例如，第一列表示第一个输入变量在各条规则的相应lishudu隶属度函数的索引，第二列表示第二个输入变量相应的隶属度函数的索引），接着的n列表示n个输出变量对应的隶属度函数的索引。第m+n+1列的数分别表示各条规则的权重（一般为1），第m+n+2列表示各条规则之间的相互连接方式（and=1,or=2）。这样，上面这条规则用MATLAB的结构表示为一个行向量。注意：如果输入或输出变量加了否定修饰词not，则只需在相应的隶属度函数索引值前加入一个负号。例如，对于规则：

if input1 is not MF1 or input2 is MF3 then output1 is MF2(weight=0.5)

其对应的行向量为：-1 3 2 0.5 2，其中：-1表示 not MF1;3表示MF3 ;2表示 MF2；0.5 表示weight=0.5;2表示or。