传统传感器是数值传感器，它以定量数值来描述被测量状态。随着测量领域的不断扩大与深化，被测量状态仅仅以定量数值来描述存在很多不足。例如，对产品质量的评定，人们常用的是“优”“良”“合格”“不合格”，而不是产品公差的定量数值；对放进洗衣机中去洗的衣服的数量，人们习惯上说的是“很多”“多”“不多”“很少”，而不是衣服的精确的重量。

为了顺应人们生活、生产与科学实践的需要，测量领域需要一种在传统传感器进行数值测量的基础上，经过模糊推理与知识集成，以“自然语言符号”的形式输出测量结果的传感器，即模糊传感器。

模糊传感器的结构，如图10-7 所示，它主要由“传统的数值测量单元”和“数值—(模糊语言)符号转换单元”两部分组成。模糊化工作必须在“专家”的指导下进行，而“专家”是具有大量的专门知识与经验、能进行推理和判断的计算机程序系统。

图10-7　模糊传感器的结构

模糊化工作过程如下。

(1)在测量集上对实数集合选取适当多个“特征表示”。

(2)将这些“特征表示”映射为模糊语言符号，生成模糊语言符号集合。(www.daowen.com)

(3)再把被测量的数值量转换为该集合中最合适的模糊语言符号来表述。

模糊语言符号集合包括论域(包含同类元素个体的总和)和隶属函数(同类元素个体之间的关系)。定义模糊语言映射(模糊化)，就是由测量数值集合的论域和隶属函数，根据设定的算法，生成模糊语言符号集合的论域和隶属函数。

模糊语言的映射过程，如图10-8 所示，Q 为数值域，S 为符号域，R、P 为各自的隶属函数。M(qi)=sj 为映射，称sj 是qi 的一个模糊符号。

与定量数值无限可分相比，模糊符号描述细节的程度和范围不够，有时需要多级映射，把符号分得细一些，以扩大符号表示的细致程度和范围，但最多不超过3 级。

图10-8　模糊语言的映射过程

模糊化后的模糊符号经过了模糊决策，通常需要清晰化，即由模糊符号向数值逆转换，通过逆映射M-1(sj)=qi，获得定量数值，送到执行器执行。

对映射M 和逆映射M-1的具体实现，国内外学者提出了各自的一些计算方法，可参阅有关资料。