簡介 推理控制也叫
邏輯控制 ,是試探和
經驗控制 相結合的產物。它通過中間起過渡作用的媒介實現控制,因此也叫共軛控制。這種控制根據相似原理,在現有控制能力的條件下,通過中間起過渡作用的媒介來擴大控制能力,從而實現把對事物乙的控制經驗用於對事物甲的控制目的。
模糊理論是模糊控制的核心,在模糊理論中需要把一個事物的“不確定”程度用數學定量化地表示了出來,說明“不確定”度的大小。例如要表示大氣的溫度,當確定了時間、地點後,大氣溫度就是唯一確定的數值,是確定的概念,但是要表明該地某一時刻的氣溫是“熱”、“不熱”、或“適中”這些信息則是不確定的。由於人們對大氣溫度的感受不同,而且感受隨時間、場合的變化也不盡相同,究竟多少攝氏度才算“熱”、或“不熱”並沒有一個公認的定量標準或界限,因氣溫的變化是逐漸且連續的,不存在突變。故大氣溫度“熱”、“不熱”、“適中”這類詞語就包含了有確定的概念,致使其分界線模糊不清,這類信息稱之為模糊信息。在模糊理論中模糊信息的不確定程度用“元函式”來表達。
推理控制策略 衝突消解策略 在推理過程中,系統將根據當前所要搜尋的目標,對知識庫進行搜尋,尋找與事實匹配的規則(知識)。當找到的匹配規則不止一條時,需要根據某種策略從中選擇一條規則進行推理,這種策略被稱為衝突消解策略。常用的衝突消解策略有:優先度排序、規則條件詳細排序、匹配度排序和根據領域問題的特點排序等。
1)優先度排序。事先給知識庫中每條規則設定優先度參數,優先度高的規則先執行。
2)規則的條件詳細度排序。條件較多、較詳細的規則,其結論一般更接近於目標,優先執行。
3)匹配度排序。事先給知識庫中每條規則設定匹配度參數,匹配度高的規則先執行。
4)根據領域問題的特點排序。根據領域知識可以知道的某些特點,事先設定知識庫中的規則的使用順序。
推理方向 推理方向大致可以分為
正向推理 、
逆向推理 和混合推理方法。正向推理控制策略的基本思想如下圖(正向推理控制策略圖)所示。從已有的信息出發,搜尋可用知識,通過衝突消解選擇可用知識,執行選擇的知識,改變搜尋結果的狀態,逐步搜尋直至搜尋到真正結果。正確推理的控制策略的優點是用戶可以主動提供搜尋的相關信息,可以對用戶輸入事實做出快速反應。不足之處搜尋範圍比較大,搜尋過程種可能出現許多與搜尋無關的內容,導致推理有效性低。反向推理控制策略如下圖(反向推理控制策略)所示。其基本思想為:提出搜尋目標,然後在知識庫種找出那些結論部分導致這個目標的知識集,再檢索知識集中每條知識的條件部分,如果某個知識的條件中所含有的條件均能通過用戶會話得到滿足,則把該條知識的搜尋目標加到當前資料庫中。否則把該知識的條件項作為新的搜尋目標,遞歸執行上述過程,直至各“與”關係的子搜尋目標全部或者“或”關係的子搜尋目標有一個出現,搜尋目標被完成。反向推理的控制策略的優點是推理過程的搜尋目標明確,方向性強。這種策略在搜尋空間較少的問題環境下尤為合適。不足之處是初始搜尋目標的選擇比較自由,對於搜尋範圍較大,用戶要求快速準確得到搜尋結果,反向推理難以勝任。綜合正向推理和反向推理的優點和不足,混合推理控制策略是一種綜合利用正向推理和反向推理各自優點的有效方法,其思想為:使用正向推理幫助選擇搜尋目標,然後通過反向推理搜尋該目標。在搜尋過程中又會得到用戶的提供的更多信息,再正向推理,搜尋更準確的目標。如此反覆正向推理一反向推理這個過程,直至搜尋到所需目標為止。
搜尋策略 1)搜尋問題的狀態空間表示在搜尋問題比較清新明朗的情況下,可以用流程圖來表示問題的搜尋過程。而在搜尋問題不是很明確的情況下,採用狀態空間來表示問題的搜尋過程。狀態空間表示法是以“狀態”和“算法”集合形式來表示問題的,實際上是一類問題的抽象表示。
狀態是為描述問題求解過程中任一時刻不同事物間狀態差別而引入的一組最少變數的有序集合,表示形式如下:
K_i=(K_{i0},K_{i1},\cdots,K_{in})
每個變數代表一個具體的狀態,由搜尋問題的全部可能狀態(即表示方式)及其關係構成的集合稱為問題的狀態空間。它包含三種類型的集合:問題的所有初始狀態集合K,算符集合F,結果狀態集合G,可用一個三元組(K,F,G)來表示。
2)搜尋方法啟發式搜尋是一種在搜尋過程中利用與問題有關的啟發性信息,引導搜尋方向,加速問題的搜尋。
其搜尋效率較高,搜尋過程與啟發性信息有關。啟發式搜尋算法從問題中抽取啟發性信息,並利用這些信息構造出估價函式來引導搜尋方向。
模糊智慧型化 由於模糊控制不需要對象的數學模型,能適用於非線性、時變的複雜對象以及多變數系統,而且它在控制過程中能採用多個評價指標,控制原則的改變也比較容易,因而根據熟練操作者技能總結出來的模糊控制能在許多領域發揮其特長。另外在推斷原則的制定中也可以套用人工智慧、專家系統,並把專家系統的智慧型與熟練工人的技能相結合。在自動化飛速發展的今天,模糊控制必定能得到更多的套用,受到更多控制工作者的重視。
控制方法 概述
多級安全
資料庫 中,如果多個用戶能通過共謀從低安全級別的數據通過推理得到高安全級別數據時,則稱該系統存在合作推理問題。提出一種基於標記的動態推理控制方法,在分析出所有推理通道的基礎上,根據推理通道可能被利用的機率動態決定對象是否允許訪問。分析表明,該方法能夠在確保推理控制的前提下,實現柔性數據訪問控制。和已有動態推理控制方法相比,本算法更加有效。
推理通道動態控制
多級安全資料庫中的推理問題一直是資料庫安全領域的重要研究內容。推理問題描述的是低安全級別的用戶能通過推理的方法從低安全級別的信息中得到高安全級別的信息。通常,低級用戶都是通過一系列的查詢來完成推理的。例如,假設支持某個項目的公司信息是高安全等級的,但用戶能訪問諸如項目、參加會議的人員及人員所屬的公司等信息,這樣用戶就能推斷出每個公司具體支持哪個項目。
在處理推理問題時存在著柔性訪問和回響時間的內在平衡。在決定是否授予一個用戶查詢許可權時,為了阻止多個用戶合作進行推理,不僅需要考慮該用戶,而且需要考慮具有相同安全等級的所有用戶及他們的所有查詢,這個特性稱為防共謀。這個特性強化了推理問題的複雜性,因為這個特性需要一個新的推理控制方法。該推理方法能夠差別在一個推理通道中的n個用戶、每個用戶訪問m-1個對象的情況和n(m-1)個用戶、每個用戶訪問1個對象的情況。
國內外有許多學者進行推理控制方面的研究,並取得了豐富的成果。FRANCIS CHIN提出了關於統計資料庫的推理控制方法。Su和Ozsyolu及吳恆山等提出了關於函式依賴和多值依賴的推理控制方法。XiaoleiQian等提出了基於語義網路的推理通道的檢測方法。R.Yip和K.Levitt提出了基於推理規則的推理控制方法。M.Stickel提出了基於最大信息共享的推理控制方法。以上這些都是設計期推理控制方法和推理通道檢測方面的研究。在查詢期的推理控制方面,一直以來都是集中在研究基於用戶的查詢歷史的控制方法。2003年Staddon提出了動態推理控制的方法。這裡提出一種基於標記的動態推理控制方法。該方法使用訪問標記來控制查詢過程,因此又稱為標記方法。該方法能夠有效預防共謀而且易於實現。和參考文獻的方法不同,這種方法在解決推理問題並保持快速查詢處理的同時,還能夠確保用戶的最大訪問能力。動態推理控制一般可以分為單推理通道、不相交的多推理通道、相交的多推理通道。
數學的套用 元函式在數學上被看作是一個集合,即表示“不確定”程度的集合,稱之為“
模糊集 ”。
模糊集 的邊界是不確定的,該有確定性與機率論或統計學中的有確定性有本質的不同。因機率代表某一事件發生前的不確定率,但事件發生後就變成了一個確定的值,然而元函式即使在事件發生後也是不確定的。
模糊控制 是一種以模糊理論為基礎的
反饋控制 。實際上是在調節器部分套用模糊理論來進行計算。
模糊控制 適用於多變數和非線性控制,它不需要求取對象的特性,能取得比傳統的控制更優異的效果,這是
模糊控制 的最大特點。但
模糊控制 需要進行相當的運算,這種運算對於常規模擬儀表是望而生畏的。因而只有在使用DCS系統與
計算機 時,才具備實現工業對象
模糊控制 的條件。
模糊控制 是一種近似推理的控制,具有人類思維的若干特點。能夠根據一系列模糊知識和數據,也即在一定的前提條件下統籌考慮控制過程的各種控制行為,推導出符合實際、符合邏輯關係的結論。IF A and B, THEN C是
模糊控制 常使用的推斷語言。由於在
模糊控制 中的前提條件是由測量
感測器 得到的,故是一些確定的值,推論的結果作為
控制系統 的操作變數送至執行單元,因此推論的結果也應該是確定的數值。因為唯一能體現模糊的地方在前提條件本身,所以
模糊控制 是在一些不確定的前提條件下,套用模糊理論進行模糊推斷而得到一個確定的結果。因此推論本身往往既包含確定的成份,也包含模糊的成份。如在某個特殊條件下輸出應增大還是減小,一般是確定的,但應增大或減小多少,執行速度如何,都是根據操作者的經驗總結出來的,帶有很大的人為性,在一定程度上是模糊的。
模糊控制 適用於理論和經驗性推理,通常用於與人類判斷和感覺有關的控制問題,以及難以建立數學模型的
控制系統 ,並套用於採用常規PID控制效果不理想的場合。