مكانيسم پيچيده و بسيار دقيق مغز انسان كه در كنترل پديده‌ها و حل مسائل مربوطه او را ياري مي‌دهد الگوي طراحي و ساخت غالب سيستم‌هاي كنترل بوده است . دو قابليت عمده انسان در كنترل يك سيستم، يكي برخورداري از يك پايگاه دانش قابل انعطاف كه همان اطلاعات فني ذخيره شده در مغز و توانايي اصلاح و تطبيق سريع آن و ديگري انجام تركيب اطلاعات گوناگون بدست آمده از طريق حواس مي‌باشذ لذا افزايش استفاده از سيستمهاي هوشمند متكي بر دانش تلاشي براي تحقق توانايي اول و تحقيقات جاري بر روي تركيب اطلاعات نيز براي تحقق توانايي دوم انسان است . دراين راستا به كارگيري و تركيب روشهاي هوشمند همچون شبكه‌هاي عصبي، سيستمهاي خبره فازي و آلگوريتمهاي تكاملي براي كنترل سيستم‌ها بسيار مورد توجه قرار گرفته‌اند. مزيت اين روشها، امكان بهره‌گيري از قابليت يادگيري است . هريك از سيستم‌هاي هوشمند فوق معمولا داراي پارامترهاي تطبيقي هستند كه هنگام يادگيري تغيير مي‌كنند. دراين پايان‌نامه دو روش يادگيري خارج خط و روي خط مورد بحث و بررسي قرار گرفته‌اند. روش اول كه توسط نگارنده توسعه يافته است استفاده از اطلاعات عددي بصورت خارج حط براي توليد پايگاه دانش يك كنترل كننده فازي است . دراين روش با استفاده از اطلاعات عددي بدست آمده از ديناميك تحت كنترل، پايگاه دانش ايجاد مي‌شود. روش دوم روش خودسازمانده مي‌باشد كه در آن كنترل كننده فازي مي‌تواند پايگاه دانش مناسب براي كنترل يك سيستم را هنگام كنترل آن ايجاد كند. در ادامه، اين روشها براي طراحي كنترل كننده محرك محورهاي ماشين كنترل عددي كامپيوتري (Cnc) مورد استفاده قرار گرفته است . علاوه بر پياده‌سازي الگوريتمهاي فوق‌الذكر، دو كاربرد ديگر منطق فازي براي ماشينهاي كنترل عددي كامپيوتري ارائه شده است كه عبارتند از: 1 - كنترل ميزان براده‌برداري 2 - تركيب اطلاعات بدست آمده از سنسورهاي مختلف . تحقيقات فراواني بر روي تركيب اطلاعات صورت پذيرفته و نظريه‌هاي گوناگوني ارائه شده است . در ادامه بحث به تشريح برخي از اين نظريه‌ها پرداخته و در آخر روشي نيز نگارنده در باب بهره‌گيري از منطق فازي در تركيب اطلاعات سنسوري ارائه نموده است .