控制规则是模糊控制器的核心，它的正确与否直接影响到控制器的性能，其数目的多少也是衡量控制器性能的一个重要因素，下面对控制规则做进一步的探讨。
模糊控制规则的取得方式：
（1） 专家的经验和知识
模糊控制也称为控制系统中的 专家系统，专家的经验和知识在其设计上有余力的线索。人类在日常生活常中判断事情，使用语言定性分析多于数值定量分析；而模糊控制规则提供了一个描述人类的行为及决策分析的自然架构；专家的知识通常可用if….then的型式来表述。
藉由询问经验丰富的专家，获得系统的知识，并将知识改为if….then的型式，如此便可构成模糊控制规则。除此之外，为了获得最佳的系统性能，常还需要多次使用 试误法，以修正模糊控制规则。
（2） 操作员的操作模式
现在流行的专家系统，其想法只考虑知识的获得。专家可以巧妙地操作复杂的控制对象，但要将专家的诀窍加以逻辑化并不容易，这就需要在控制上考虑技巧的获得。许多工业系统无法以一般的控制理论做正确的控制，但是熟练的操作人员在没有数学模式下，却能够成功地控制这些系统：这启发我们记录操作员的操作模式，并将其整理为if….then的型式，可构成一组控制规则。
（3） 学习
为了改善模糊控制器的性能，必须让它有自我学习或自我组织的能力，使模糊控制器能够根据设定的目标，增加或修改模糊控制规则。
模糊控制规则的形式主要可分为二种：
（1） 状态评估模糊控制规则
状态评估（state evaluation）模糊控制规则类似人类的直觉思考，它被大多数的模糊控制器所使用，其型式如下：
Ri：if x1 is Ai1 and x2 is Ai2 …. and xn is Ain
then y is Ci
其中x1,x2,…….,xn及y为语言变量或称为模糊变量，代表系统的态变量和控制变量；Ai1,Ai2,….,Ain及Ci为语言值，代表论域中的 模糊集合。该形式还有另一种表示法，是将后件部改为系统状态变量的函数，其形式如下：
Ri：if x1 is Ai1 and x2 is Ai2 …. and xn is Ain
then y=f1(x1,x2,…….,xn)
(2)目标评估模糊控制规则
目标评估（object evaluation）模糊控制规则能够评估控制目标，并且预测未来控制信号，其形式如下：
Ri：if(U is Ci→(x is A1 and y is B1))then U is Ci
