基于ACO优化参数的模糊Petri网故障诊断技术研究

针对传统模糊Petri网在进行故障诊断推理时,需要依靠专家经验给出所有产生式规则的参数,使得故障诊断的精确度受限于专家知识水平的问题,提出了一种加权模糊神经Petri网模型以及相应的构造方法,此方法使用模糊Petri网进行故障诊断,网模型中各参数由BP神经网络训练而得,为了进一步提高诊断精确度,定义了使用ACO (Ant Colony Optimization)对网模型的各参数进行优化的算法;最后通过发电机故障诊断实例对比试验,验证了文中ACO优化的模糊神经Petri网,能够对各种故障进行正确的诊断,且在诊断精度和效率上较常规的模糊神经Petri网有了很大的提高,具有很强的实用性和可行性.     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

基于自适应神经网络加权模糊故障诊断研究

研究故障诊断问题;针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,基于模糊逻辑BP神经网络和传统Petri网模型结合,提出了一种新的自适应的加权模糊神经网络Petri网模型故障检测方法;该方法首先采用改进的BP神经网络算法对模型的权值进行训练,然后采用构造的自适应模糊Petri网模型对故障进行诊断;在柔性制造系统实例中进行了故障诊断,实验结果表明,该方法具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断,具有一定的实际应用价值。     

遗传神经网络故障诊断自适应Petri网模型

研究故障诊断优化问题。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,造成故障诊断难以精确,提出了将遗传算法、神经网络和传统Petri网模型结合,形成了一种改进的自适应的加权Petri网模型以及模型的构造算法,同时在此基础上,采用改进的遗传算法对神经网络模型的权值进行优化训练,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。仿真实例验证了算法的有效性,对柔性制造系统实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和遗传算法的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

基于NNFPN模型的电梯故障诊断方法的研究

提出一种基于神经网络的模糊Petri网模型(NNFPN),并将该模型应用于电梯故障诊断系统．阐述了该模型的定义、模糊产生式规则的NNFPN表示、NNFPN的触发规则以及NNFPN的训练学习算法．分析了如何建立基于NNFPN的电梯故障诊断模型,提出针对不同工作状态利用不同的NNFPN电梯故障模型进行诊断,可使诊断结果更加准确．     

基于BP算法和Petri网的柔性制造系统故障诊断

针对传统Petri网难以精确描述故障发生的不确定性以及缺乏学习能力的缺点,将BP神经网络和加权模糊Petri网相结合,定义了一种新的能对故障进行诊断的模型——BPFPN网(A net based on BP and FPN),并提出了对BPFPN网故障诊断模型进行构造的算法,以及一种将BP神经网络算法应用于BPFPN网故障诊断模型实现对各种参数进行训练的方法;最后通过对实验参数为=5000,算法学习速率η=0.05,学习误差Δe=0.0002的柔性制造系统加工中心故障诊断实例进行实验,在对各种参数进行学习后,能够有效地实现对故障的诊断,证明了BPFPN网是一种有效的故障诊断方法。     

基于模糊神经Petri网的软件系统可靠性评估方法

针对软件系统可靠性建模难问题,提出了一种新的适用于软件系统可靠性估计的模糊神经Petri网(简称为FNPN).文章首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法.该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度.最后用实例分析验证了该方法的可行性.     

基于模糊神经Petri网的网络入侵检测方法

针对传统的入侵检测方法存在检测速度慢、不易收敛、检测准确率低等问题,提出了一种新的适用于网络入侵检测的模糊神经Petri网(简称为FNPN)。文中首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法。该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力,可通过对样本数据学习来调整模型中的参数以获得系统内部的等效结构。实验证明,该方法具有更高的识别精度和更高的学习速率。     

基于AFPN的舰船电子综合化系统总线故障诊断研究

针对舰船电子综合化系统总线故障诊断模糊性、不确定性的日益增强,且难以实现快速故障诊断的难题,提出一种基于自适应模糊Petri网(Adaptive Fuzzy Petri Net,AFPN)的舰船电子综合化系统总线故障诊断方法;在加权模糊Petri网(Weighted Fuzzy Petri Net,WFPN)的基础上,引入神经网络技术,给出了AFPN的形式化定义及学习算法;实例分析验证了所提方法的有效性,研究表明:AFPN模型具有很强的自适应能力和推理能力,克服了传统单纯依靠人工经验故障诊断的不确定性和偶然性,可以实现舰船电子综合化系统总线快速精确的故障诊断。     

复杂系统可靠性估计的模糊神经Petri网方法

针对复杂系统可靠性建模难问题,提出了一种新的适用于复杂系统可靠性估计的模糊神经Petri网(简称为FNPN)．文中首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法．该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度．最后以一无向网络为例说明该方法是可行的．     

基于模糊Petri网和状态监测的井下水泵故障诊断

为了快速找到井下水泵故障的原因,建立了一种基于模糊Petri网和状态监测的井下水泵故障诊断模型。首先通过井下排水设备状态监测系统测得水泵故障的振动信号,经过振动分析后,对获得的水泵故障样本进行学习训练;然后在水泵故障诊断的模糊Petri网模型结构上,引入神经网络中的BP算法对权值、阈值和置信度等参数进行网络优化训练。实例分析结果表明,该模型能较准确地找到水泵故障原因,具有较好的准确性、快速性和适应性。     

多级故障诊断系统

介绍了为提高故障诊断的正确率,将一混合故障诊断专家系统中的基于BP神经网络诊断模块、基于自组织神经网络诊断模块和基于小波分析诊断模块设计成多级诊断系统。对多级诊断系统的性能进行了分析,给出了多级诊断系统的拒绝输出策略。     

状态监测与故障诊断的Petri网建模与分析

为了解决状态监测与故障诊断的统一建模问题,提出一种新型Petri网模型——监测诊断Petri网;首先对状态监测中的特征参量进行了分析,给出了一种实用的模糊隶属度函数形式,接着在基本网系统的基础上,定义了新型Petri网,分析了它的动态特性,同时为了描述其运行过程,提出一种仿真方法;该方法可以为新型Petri网运行的计算机实现提供依据,同时通过学习案例也可以验证其中参数的正确性,最后举例验证了新型Petri网的可行性和实用性;监测诊断Petri拓展了Petri网的描述领域,形象动态地展现了监测与诊断的过程,实现了全过程的统一建模。     

基于矢谱和模糊Petri网的旋转机械故障诊断研究

讨论了矢谱融合技术和模糊Petri 网的相关理论,提出了基于矢谱和模糊Petri网的旋转机械故障诊断方法,建立了基于矢谱的旋转机械常见故障诊断Petri网模型。模拟实验结果表明：与基于单通道数据的诊断结果对比,矢谱和模糊Petri网应用于旋转机械常见故障进行诊断,可有效提高旋转机械故障诊断的准确率。     

基于FPN推理的多Agent网络故障诊断系统的研究

多Agent诊断系统是一种分布式系统,现已在故障诊断中得到广泛应用.提出一种基于FPN推理的多Agent网络故障诊断模型,该模型利用各部分Agent模块来完成故障诊断过程中的信息搜集与分析,故障的确定以及对故障的处理,其中故障的确定由模糊Petri网推理算法来完成.该模型综合了FPN推理算法的并行性以及多Agent技术对故障诊断与处理的智能性的特点,为实现网络故障的快速诊断提供了一条全新的思路.     

基于优化模糊Petri网的矿用变压器故障诊断

针对用于矿井中有煤尘而无爆炸危险的地方、以油浸式为主的变压器,提出了一种基于优化模糊Petri网的矿用变压器故障诊断模型。根据故障征兆与故障之间的关系,利用模糊产生规则来建立故障诊断模型;利用Elman网络算法的自学习和自适应能力对模型初始参数进行优化处理,使模糊Petri网初始参数值的设置更加合理。Matlab仿真结果表明,优化模型和未优化模型的故障诊断准确率分别为87.88%和75.76%,验证了优化模型的有效性。     

基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

基于模糊Petri网和Genetic-PSO算法的动态不确定性知识表示方法

针对复杂系统中不确定性信息的演变特性,提出对其动态适应的基于模糊Petri网和遗传-粒子群(GPSO)算法的不确定性知识表示方法.在基于模糊Petri网的不确定性知识表示模型的基础上,对该模型进行精确数学表示,并采用GPSO实现对不确定性表征参数的动态求解和自学习.最后通过在运载火箭伺服机构故障诊断上的应用验证基于GPSO的自学习模糊Petri网的有效性.     

一种自适应模糊Petri网及其应用*

模糊Petri网(fuzzy Petri nets, FPN)是基于模糊产生式规则的知识库系统的有力建模工具,但其缺乏较强的自学习能力。在FPN的基础上引入神经网络技术,给出了一种自适应模糊Petri网(adapt fuzzy Petri nets, AFPN)模型。该模型将神经网络中的BP网络算法引入到FPN模型中,对FPN中的权值进行反复的学习训练,避免了依靠人工经验设置带来的不确定性。AFPN具有很强的推理能力和自适应能力,对知识库系统的建立、更新和维护有着重要的意义。     

基于EFPN的模糊离散事件系统可诊断性分析

针对模糊有限自动机及模糊Petri网在模糊离散事件系统(Fuzzy Discrete Event System,FDES)行为建模中的不足,提出一种扩展模糊Petri网(Extended Fuzzy Petri Net,EFPN),并基于EFPN构造了FDES行为模型及系统故障诊断器。EFPN以一种新的事件模型为基础对FDES的系统行为进行建模,并根据事件触发矩阵计算下一系统状态中各分量的可能性分布。与模糊有限自动机及模糊Petri网的对比分析表明,在描述FDES模糊事件时,对于同步距离为0的一组事件所造成的影响,EFPN的表达能力强于经典模糊Petri网;在对含有多个状态分量的FDES建模时,EFPN模型的规模远小于模糊有限自动机。在基于EFPN构造的系统行为模型中,运用可达状态标识图分析系统状态集,可有效地构造FDES的故障诊断器,并可据此进行系统可诊断性分析。