模糊控制起源于60年代的美国，是加利福尼亚大学的L.A.Zaoleh教授最早提出了模糊（Fuzzy）的理论。20多年时间里，模糊控制这门新的控制技术吸引了众多的控制工作者，在许多不同领域，如工业生产、医疗、经济、军事等部门，甚至在城市垃圾焚烧，家用电器行业等方面得到了应用，并相应地取得了一些有益的成果。

推理控制

推理控制在数学的应用

模糊智能化的推理控制

基于标记的动态推理控制方法(摘要： 安全数据库推理通道动态控制)

推理控制

模糊理论是模糊控制的核心，在模糊理论中需要把一个事物的“不确定”程度用数学定量化地表示了出来，说明“不确定”度的大小。例如要表示大气的温度，当确定了时间、地点后，大气温度就是唯一确定的数值，是确定的概念，但是要表明该地某一时刻的气温是“热”、“不热”、或“适中”这些信息则是不确定的。由于人们对大气温度的感受不同，而且感受随时间、场合的变化也不尽相同，究竟多少摄氏度才算“热”、或“不热”并没有一个公认的定量标准或界限，因气温的变化是逐渐且连续的，不存在突变。故大气温度“热”、“不热”、“适中”这类词语就包含了有确定的概念，致使其分界线模糊不清，这类信息称之为模糊信息。在模糊理论中模糊信息的不确定程度用“元函数”来表达。

推理控制在数学的应用

元函数在数学上被看作是一个集合，即表示“不确定”程度的集合，称之为“模糊集”。模糊集的边界是不确定的，该有确定性与概率论或统计学中的有确定性有本质的不同。因概率代表某一事件发生前的不确定率，但事件发生后就变成了一个确定的值，然而元函数即使在事件发生后也是不确定的。

模糊控制是一种以模糊理论为基础的反馈控制。实际上是在调节器部分应用模糊理论来进行计算。模糊控制适用于多变量和非线性控制，它不需要求取对象的特性，能取得比传统的控制更优异的效果，这是模糊控制的最大特点。但模糊控制需要进行相当的运算，这种运算对于常规模拟仪表是望而生畏的。因而只有在使用DCS系统与计算机时，才具备实现工业对象模糊控制的条件。模糊控制是一种近似推理的控制，具有人类思维的若干特点。能够根据一系列模糊知识和数据，也即在一定的前提条件下统筹考虑控制过程的各种控制行为，推导出符合实际、符合逻辑关系的结论。IF A and B, THEN C是模糊控制常使用的推断语言。由于在模糊控制中的前提条件是由测量传感器得到的，故是一些确定的值，推论的结果作为控制系统的操作变量送至执行单元，因此推论的结果也应该是确定的数值。因为唯一能体现模糊的地方在前提条件本身，所以模糊控制是在一些不确定的前提条件下，应用模糊理论进行模糊推断而得到一个确定的结果。因此推论本身往往既包含确定的成份，也包含模糊的成份。如在某个特殊条件下输出应增大还是减小，一般是确定的，但应增大或减小多少，执行速度如何，都是根据操作者的经验总结出来的，带有很大的人为性，在一定程度上是模糊的。模糊控制适用于理论和经验性推理，通常用于与人类判断和感觉有关的控制问题，以及难以建立数学模型的控制系统，并应用于采用常规PID控制效果不理想的场合。

模糊智能化的推理控制

由于模糊控制不需要对象的数学模型，能适用于非线性、时变的复杂对象以及多变量系统，而且它在控制过程中能采用多个评价指标，控制原则的改变也比较容易，因而根据熟练操作者技能总结出来的模糊控制能在许多领域发挥其特长。另外在推断原则的制定中也可以应用人工智能、专家系统，并把专家系统的智能与熟练工人的技能相结合。在自动化飞速发展的今天，模糊控制必定能得到更多的应用，受到更多控制工作者的重视。

右图是使用模糊技术的小天鹅洗衣机。它能自动感知衣物的多少和环境温度，确定最佳水流、最佳水位和洗衣时间；清洗程序可由三清、二清自动判别；布料吸水后可自动补水，自动调整由于长期运转导致的水位误差。

基于标记的动态推理控制方法

摘要：

多级安全数据库中，如果多个用户能通过共谋从低安全级别的数据通过推理得到高安全级别数据时，则称该系统存在合作推理问题。提出一种基于标记的动态推理控制方法，在分析出所有推理通道的基础上，根据推理通道可能被利用的概率动态决定对象是否允许访问。分析表明，该方法能够在确保推理控制的前提下，实现柔性数据访问控制。和已有动态推理控制方法相比，本算法更加有效。

安全数据库推理通道动态控制

多级安全数据库中的推理问题一直是数据库安全领域的重要研究内容。推理问题描述的是低安全级别的用户能通过推理的方法从低安全级别的信息中得到高安全级别的信息。通常，低级用户都是通过一系列的查询来完成推理的。例如，假设支持某个项目的公司信息是高安全等级的，但用户能访问诸如项目、参加会议的人员及人员所属的公司等信息，这样用户就能推断出每个公司具体支持哪个项目。

在处理推理问题时存在着柔性访问和响应时间的内在平衡。在决定是否授予一个用户查询权限时，为了阻止多个用户合作进行推理，不仅需要考虑该用户，而且需要考虑具有相同安全等级的所有用户及他们的所有查询，这个特性称为防共谋。这个特性强化了推理问题的复杂性，因为这个特性需要一个新的推理控制方法。该推理方法能够差别在一个推理通道中的n个用户、每个用户访问m-1个对象的情况和n(m-1)个用户、每个用户访问1个对象的情况。

国内外有许多学者进行推理控制方面的研究，并取得了丰富的成果。在参考文献中。FRANCIS CHIN提出了关于统计数据库的推理控制方法。在参考文献和[7]中Su和Ozsyolu及吴恒山等提出了关于函数依赖和多值依赖的推理控制方法。在参考文献中。XiaoleiQian等提出了基于语义网络的推理通道的检测方法。在参考文献中R．Yip和K．Levitt提出了基于推理规则的推理控制方法。在参考文献中M．Stickel提出了基于最大信息共享的推理控制方法。以上这些都是设计期推理控制方法和推理通道检测方面的研究。在查询期的推理控制方面，一直以来都是集中在研究基于用户的查询历史的控制方法。2003年Staddon提出了动态推理控制的方法[6]。本文提出一种基于标记的动态推理控制方法。该方法使用访问标记来控制查询过程，因此又称为标记方法。该方法能够有效预防共谋而且易于实现。和参考文献的方法不同，这种方法在解决推理问题并保持快速查询处理的同时，还能够确保用户的最大访问能力。