模糊推理系统 (FIS) 是模糊逻辑系统中的关键决策单元。它提供了一个计算框架，主要通过使用“如果-那么”规则，将类人推理转化为功能模型。FIS 具有重要的战略意义，因为它能够利用语言规则框架处理模糊和不精确的信息，从而得出明确的输出，使其成为模糊控制和决策应用的基石。

FIS 的核心特征是，无论输入是清晰（精确）值还是模糊（不精确）值，其输出始终是一个模糊集。因此，对于需要单一可操作输出的应用（例如控制器），需要一个去模糊化单元来将此模糊输出转换为清晰变量。

完整的模糊推理系统由五个不同的功能块构成：

• 规则库： 包含一组控制系统行为的模糊 IF-THEN 规则。
• 数据库： 定义模糊规则中使用的模糊集的成员函数。
• 决策单位： 对规则进行推理操作以得出结论。
• 模糊化接口单元： 将清晰的输入量转换为模糊量。
• 去模糊化接口单元： 将推理过程的模糊输出量转换回清晰量。

虽然基本架构保持一致，但这些系统的内部机制可能存在显著差异。本白皮书对两种主要的模糊推理方法进行了比较分析：Mamdani 系统和 Takagi-Sugeno 模型。