模糊推理Petri网及其在故障诊断中的应用

分析了推理Petri网与传统Petri网的共性和区别,给出了模糊产生式规则推理 Petri网模型.在此基础上,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表 示,此算法充分利用了Petri网的数学理论基础和描述并发系统的能力,具有并行推理能力, 可以同时得到推理后系统的全部状态值.最后举例说明了其在故障诊断中的应用.     

模糊Petri网及其在模糊推理中的应用

该文首先引入模糊Petri网(Fuzzy Petri Net)的定义，给出了一个九元模糊Petri网模型，并且详细介绍了模糊Petri网的激发规则。给出了产生式规则的模糊Petri网表示的三种模型，在此基础上提出了一种基于模糊Petri网的推理方法，最后使用模糊Petri网中知识表示和运行的基本算法解决了汽车质量检验和故障分析这一实际问题。实际应用证明基于模糊Petri网的产生式规则的推理具有知识表达能力强，处理不确定知识正确，推理过程简单直观，具有一定的智能推理能力，具有较强的实用价值。     

基于BP网络的模糊Petri网的学习能力

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良好建模工具，但自学习能力差是模糊系统本身的一个缺点．该文提出了适合模糊Petri网模型自学习的模糊推理算法和学习算法．在模糊推理算法中，通过对没有回路的FPN模型结构进行层次式划分以及建立变迁点燃和模糊推理的近似连续函数，从而把神经网络中的BP网络算法自然地引入到FPN模型中．在FPN模型上，用误差反传算法计算一阶梯度的方法对模糊产生式规则中的参数进行学习和训练．经过学习和训练的FPN具有很强的泛化能力和自适应功能．FPN模型经过训练得到的参数是有特定含义的，可以通过对这些参数的合法性分析，使得模糊产生式规则系统更加有效，也对知识库系统的建立、更新和维护有着重要的意义．     

模糊Petri网在车电系统总线故障诊断中的应用

针对车电系统总线故障现象和故障原因之间存在复杂模糊关系而无法实现快速故障诊断这一难题,提出采用模糊Petri网(fuzzy petri net,FPN)建立车电系统总线的故障诊断分析模型,并给出了相应的形式化推理算法;以某型车电系统总线为例,分析比较了各种故障原因的可信度;分析表明:所建模型有效地描述了车电系统总线故障现象和故障原因之间的模糊关系,能够实现故障的快速诊断,该模型可以作为车电系统总线快速故障诊断的理论支持工具。     

基于遗传-BP算法的FPN参数优化的研究

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立意义重要，一直是尚未解决的难题。该文把遗传算法与BP算法相结合，引入到模糊Petri网的参数寻优过程，提出了一种基于二阶段的FPN模型的参数优化策略，该策略实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，经二阶段优化后训练出的参数正确率很高，且所得的FPN模型具有较强的泛化能力和自适应功能。     

基于BP算法的加权模糊Petri网权值学习算法

加权模糊Petri网缺乏较强的自学习能力,针对这个问题,给出了一个基于BP算法的加权模糊Petri网权值学习算法。该算法不需要对原有模型进行修改,使得加权模糊Petri网权值的学习和训练得到一定地简化。     

一种新的模糊Petri网推理机制

针对模糊Petri网(FPN)建立过程中模糊产生式规则各项参数的确定问题,通过引入一种新的FPN推理机制,利用虚库所和虚变迁构建分层FPN模型。该方法的实现不依赖经验数据,对初始输入无严格要求。仿真实例结果表明,利用该推理机制对非训练样本中的输入数据进行模糊推理,所得的FPN模型具有较强的泛化和自适应能力。     

优化模糊Petri网参数的一种混合智能算法

确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,是目前研究热点之一.提出了一种充分结合量子粒子群优化算法QPSO(Quantum-behaved partide swarm optimization algorithm)和BP网络学习算法各自优点的混合智能算法HQBA,并将其引入到模糊Petri网的参数寻优过程.仿真实例表明,这种混合算法计算简单,收敛速度快,能够明显减少迭代次数,具有更好的全局收敛性能.由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应性.     

基于直觉模糊Petri网的加权直觉模糊推理

利用直觉模糊集合较好地表现不确定信息的能力和Petri网的并行处理能力,构建了直觉模糊Petri网模型。给出了输入权值、变迁阈值等多种约束条件下的直觉模糊推理算法。该算法将直觉模糊推理过程转化为矩阵的运算过程可充分利用直觉模糊Petri网的并行推理能力,有效地避免同一变迁不必要地重复激发从而节省推理时间。实例分析表明所给出的直觉模糊推理算法较已有算法更加合理并且高效。     

模糊Petri网与遗传算法相结合的优化策略

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义，一直是尚未解决的难题。文中首次将遗传算法引入到模糊Petri网的参数寻优过程，提出了一种基于遗传算法的参数寻优算法，该算法实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，由此训练出的参数正确率较高，所得的FPN具有很强的泛化能力和自适应功能。     

Weighted fuzzy reasoning using weighted fuzzy Petri nets

This paper presents a Weighted Fuzzy Petri Net model (WFPN) and proposes a weighted fuzzy reasoning algorithm for rule-based systems based on Weighted Fuzzy Petri Nets. The fuzzy production rules in the knowledge base of a rule-based system are modeled by Weighted Fuzzy Petri Nets, where the truth values of the propositions appearing in the fuzzy production rules and the certainty factors of the rules are represented by fuzzy numbers. Furthermore, the weights of the propositions appearing in the rules are also represented by fuzzy numbers. The proposed weighted fuzzy reasoning algorithm can allow the rule-based systems to perform fuzzy reasoning in a more flexible and more intelligent manner     

一种基于模糊Petri网的双向并行推理算法

基于模糊Petri网的并行推理算法的矩阵维数越大,其算法的时间复杂度也就越高。针对反向搜索压缩模糊Petri网模型的相关理论和并行推理算法的特点,结合矩阵命令提出一种实现双向推理的矩阵运算机制,以及其对应的基于模糊Petri网的双向并行推理算法。在使用一般模糊推理算法的过程中,推理矩阵为(11×8)维的模糊Petri网模型,而使用改进算法进行双向推理时所涉及的推理矩阵阶数仅为(7×6)。实验结果表明,与一般的模糊推理算法和反向搜索算法相比,该算法能够提高整个推理过程的并行度,降低算法的时间复杂度,从而提高推理效率。     

模糊推理Petri网及其在产品拆卸序列决策中的应用

为了在产品拆卸序列决策时,简化拆卸路径的分析难度,提出一种以模糊推理Petri网为工具的产品拆卸序列决策模型.采用将模糊推理Petri网与矩阵运算相结合的形式化推理算法,对所提出的决策算法进行了论述.实例应用结果表明,此模型在产品拆卸过程规划中具有很强的并行处理能力,可以根据产品在拆卸过程中零部件的最新信息对每一步操作作出适时的智能化决策,从而实现将产品中若干零件作为子装配体进行拆卸的自动聚类识别,减少了产品拆卸的复杂性.     

基于规则推理的FPN误用入侵检测方法

针对网络入侵攻击活动的模糊性，提出了一种基于模糊推理的模糊Petri网（FPN）误用入侵检测方法。该方法定义了一个六元组FPN，并将模糊产生式规则精化为两种基本类型。在此基础上给出了FPN表示模糊规则的模型、推理过程和基于FPN的推理算法。最后通过入侵检测的实例对该方法的正确性和有效性进行了验证，结果表明该方法推理过程简单直观、容易实现，而且具有并行推理能力，可适用于大规模的FPN模型，是误用入侵检测技术的一种非常有效的解决方案。     

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．     

基于直觉模糊Petri网的敌意图识别方法研究

现代战争中由于战场态势的不确定性,敌战术意图的识别也应作为一个动态的不确定性决策问题进行研究.针对该不确定性动态识别问题,综合利用直觉模糊集合理论与Petri网理论的优点,构建了敌战术意图识别的直觉模糊Petri网模型及其推理算法,在推理过程中充分发挥Petri网的动态并行推理能力,使得推理更加高效,由于非隶属参数的作用,推理结果更加准确可信.通过建模仿真给出该模型的应用步骤,验证了其正确性和合理性.     

DECISION SUPPORT WITH LOGICAL AND FUZZY PETRI NETS

Modern knowledge representation is a very dynamic domain because of continuous research and development. This paper presents Logical Petri Nets (LPNs) and Fuzzy Petri Nets (FPNs) as models for knowledge representation. It is shown that knowledge propagation, described using logical and fuzzy Petri nets, terminates in a unique stable state. Based on this result, the paper introduces an algorithm for knowledge propagation in decision support systems.