（4）    模糊数学法。是1965年美国控制论专家L．A．Zadeh创立的．模糊数学作为一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判等各方面．在模糊统计综合评判中，如何利用综合评判结果向量提供的信息对被评判对象作出所属等级的判断，目前通用的判别原则是最大隶属原则。
1．2调研情况
目前，国内外对模糊控制的研究方向甚多。但将实验设计方法与模糊控制相结合方面的研究比较少。在很多情况下，会有权衡模糊控制模型精度和模型的复杂性。高度复杂的模型可能是不受欢迎的,实验的目标是更好地了解模型的行为。对于一个给定的精度要求,如何构建一个简单的模型仍不是一件容易的事[2]。
过去的二十年里,美国能源部方法经历了概念设计的发展和计算机实验结果的分析。计算实验是模拟相同的条件和产生相同的反应。因此,复制是无用的。设计师集中在两个方面：首先,采样点的空间应该尽可能均匀分布。其次, 即使有效的文度会降低，但这个空间覆盖率也应保持均匀。在这种情况下,均匀分布的采样点是用指数来衡量设计的优良。应用模糊系统设计分为两类。是将结构参数作为一个因素和使用能源部评估结构,包括输入的数量、隶属函数的类型，模糊操作等。在这种范式下,使用相同的数据集训练模糊系统与不同的系统配置。Zanchettin[3]采用了析因设计简称ANFIS(自适应神经模糊推理系统)和EFuNN(进化模糊神经网络)。这一过程可以为这两个模型得出最相关的参数,减少神经模糊系统的设计。其次,作者用DoE方法收集的训练数据集用于学习pre-fixed模型。收集到的数据集通常小,但有足够的信息。
Alexander[4]提出模糊控制复杂性特征有两个主要方面——定量和定性。等概念的定量方面通常涉及数量和规模(如模糊规则的数量)，而定性方面包括不确定性和模糊性。模糊系统的可解释性和透明度，反映了定性的复杂性，它往往会恶化为模糊规则数量的增加。
2．实验设计介绍
2．1实验设计理论
2．1．1实验设计概述
科研生产实践工作中总需要对所取得的试验数据进行处理，时建立相应的的模型，以便于控制和预测，或了解过程的机理，同时试验前必需进行适当的实验方案的设计，一方面实验工作量，另一方面可以减少数据处理工作量，以最小的试验工作量，得到最可靠的信息，这些都要求用实验设计的来实现[5]。
实验研究可分为实验设计、实验的实施、收集整理和分析实验验数据等步骤。而实验设计是影响研究成功与否最关键的一个环节，是提高试验质量的重要基础。实验设计是在实验开始之前，根据某项研究的目的和要求，制定实验研究进程计划和具体的实验实施方案。其主要内容是研究如何安排实验、取得数据，然后进行综合的科学分析，从而达到尽快获得最优方案的目的。如果实验安排得合理，就能用较少的试验次数，在较短的时间内达到预期的实验目的；反之，实验次数既多，其结果还往往不能令人满意。实验次数过多，不仅浪费大量的人力和物力，有时还会由于时间拖得太长，使实验条件发生变化而导致实验失败。因此，如何合理安排实验方案是值得研究的一个重要课题。
2．1．2实验设计方法的发展
实验设计的基本思想和方法是英国统计学家费歇尔（R•A•Fisher，1890~1962）于20世纪20年代创立的，他是实验设计的奠基人并对其后的必展做出了卓越的贡献[5]。费歇尔在农场进行田间实验的过程中，对高产小麦品种遗传进行研究。为减少偶然因素对实验的影响，他对各种实验因素的每一水平组合进行了实验，并通过方差分析评价指标的优劣，使小麦大幅度增产。40年代时，劳尼提出的多因素实验的部分实施方法后来成为现代实验设计的基础。 MATLAB基于实验设计的模糊控制建模研究(3):http://www.751com.cn/zidonghua/lunwen_11279.html