在现代工业控制过程中，模糊控制以其实现简单、鲁棒性强等优点，被广泛用于复杂过程或对象的控制。模糊规则库是模糊系统中至关重要的组成部分，它的好坏直接关系到整个模糊系统的性能。常规模糊控制器的设计是由设计者通过总结专家经验生成模糊控制规则，这样的模糊控制器强烈依赖专家的主观经验，得到的模糊规则不能完全反映整个控制系统的本质特征，因此模糊规则库自动生成一直都是模糊控制理论研究的重要方向。本文首先给出了样本数据预处理方法，分析了数据空缺值的填充算法，利用样条插值来实现样空缺数据的填充，并对FCM聚类的原型进行初始化，解决了FCM聚类对原型的初始值敏感等问题；其次，针对模糊规则的自动获取，分别采用最近邻聚类和模糊c均值聚类算法对数据分组，使每组的数据产生一条规则，能够有针对性的生成规则，减少冗余规则的产生；并把FCM聚类与遗传算法相结合，利用遗传算法理论来实现FCM聚类，为探索有效解决模糊聚类对初值过于敏感等问题提供了新的思路；最后用遗传算法优化模糊控制器，通过制定合理的编码规则，选择合适的遗传算子，提高了规则的质量。文章采用聚类算法自动生成模糊控制系统的模糊规则，解决了常规设计方法模糊控制规则不容易确定、主观性强等问题。该方法能根据各个输入变量不同的重要性，分别赋予他们不同的隶属度值，并把遗传算法理论应用于FCM聚类，提高了算法效率和模糊规则的质量。最后的仿真结果表明方法的可行性和有效性。