基于双枝模糊决策与模糊Petri网的攻击模型研究

以双枝模糊决策和模糊Petri网(FPN)理论为基础，定义了一种全新的网络攻击模型BBFPAN。将网络攻击中对攻击起促进与抑制作用的两方面进行综合考虑与分析，用变迁表示攻击、防御行为的产生发展过程，库所表示系统所处的状态，从而区分了攻击行为和攻击结果，直观地表示网络攻击的演变情况。同时将变迁输入库所集所对应的因素作为决策影响因素，而将变迁作为一个决策，通过双枝模糊决策分析来判断输出库所集中库所的属性。在双枝模糊决策分析基础上，结合一种不确定推理方法，提出了BBFPAN的推理算法，并通过实验验证了算法的正确性。将对网络攻击实施起正反两方面的因素一起考虑和分析，对网络攻击的描述更加切近实际情况。     

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．     

对象化模糊Petri网的任务协同分配建模与推理

为解决FPNN/FCPN建模与推理过程中存在模型规模急剧增大、模糊变量颜色化的作用有限、无法表示知识分类等问题,提出了一种改进的对象化模糊Petri网（FPN）建模及模糊推理算法.该算法采用面向对象技术化简规模庞大的模糊赋色Petri网（FCPN）,经简化的FCPN退化为普通的FPN,但是库所中托肯的语义也发生了变化,它不仅表示模糊语言变量的集合,更重要的是它可作为其他FCPN的引用.最后将该算法应用于协同设计环境中任务分配的模糊推理过程,可有效地降低Petri网模型的复杂程度,且对象化FPN模型直观,易于理解.     

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.     

一种模糊Petri网的逆向知识推理方法设计实现

模糊Petri网是模糊产生式知识表示和推理的理想工具.针对基于模糊产生式规则的知识库,在已知决策目标的前提下,设计了该知识库的模糊Petri网模型及基于递归的逆向知识推理方法,并以实例时该方法进行了验证.对于任意指定的库所,通过该方法可以确定其模糊托肯值,即对应命题的模糊真值.该方法的逻辑表达力强,利于计算机实现,而且其逆向推理策略能有效减少计算空间,使计算在一个复杂的模糊Petri网系统的子系统中进行,提高了计算效率.     

一种基于模糊Petri网的CGF决策方法研究

计算机生成兵力(CGF)系统除了要建立其物理行为模型之外, 还要建立反映其主观意识行为的智能决策模型。以弹道导弹攻防对抗CGF系统为对象, 分析了影响CGF决策的相关因素, 建立了一种模糊Petri网, 用于CGF决策系统建模。最后提出了一种相应的推理算法, 并以弹道导弹攻防对抗为例, 分析了其目标选择决策行为。     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法。研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率。实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则。     

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。     

基于双枝模糊逻辑和模糊着色Petri网的攻击模型

定义了一种基于双枝模糊逻辑和模糊着色Petri网的网络攻击模型, 从对攻击起促进和抑制作用这两方面对网络攻击进行综合考虑与分析, 同时对模糊规则库中的不同变量用不同的颜色来区分, 因此可构成一个简明的BBFCPN模型。在此基础上, 给出了BBFCPN模型的基本推理规则和推理算法。针对攻击实例的分析进一步验证了提出的模型及相关推理算法。     

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。     

Asymptotic and robust stability of T‐S fuzzy genetic regulatory networks with time‐varying delays

In this paper, we propose and investigate a new general model of fuzzy genetic regulatory networks described by the Takagi–Sugeno (T‐S) fuzzy model with time‐varying delays. By using a Lyapunov functional approach and linear matrix inequality (LMI) techniques, the stability criteria for the delayed fuzzy genetic regulatory networks are expressed as a set of LMIs, which can be solved numerically by LMI toolbox in Matlab. Two fuzzy genetic network example are given to verify the effectiveness and applicability of the proposed approach. Copyright © 2011 John Wiley & Sons, Ltd.     

高精度RBP-模糊推理复合学习系统

该文提出了高精度RBP-模糊推理复合学习系统.系统主要由基于鲁棒估计的鲁棒BP 学习环节和基于混合合成推理的模糊推理环节构成.该学习系统的主要特点是可由鲁棒BP 算法和min-max,max-min模糊推理算法简单地实现.最后通过在目标跟踪问题中应用结 果,表示了该算法的高精度和鲁棒性.     

加权模糊推理网络及在管道损伤诊断中的应用*

针对油气管道运营维护中的管道腐蚀损伤检测问题,提出了一种加权模糊推理网络的诊断模型。模型将神经网络与模糊逻辑进行融合,可以实现部分证据的自下而上处理和自上而下处理的结合,融合了模糊逻辑能够较完整地表达领域规则和先验知识以及神经网络自适应环境的优点。具体给出了加权模糊推理网络的结构模型和学习算法,依据模糊推理规则的量化表示形式和微分方程数值解的动力学思想能较好地避免网络学习陷入局部极值点。该算法具有较好的稳定性和有效性。实际资料处理结果表明,该模型对解决管道腐蚀损伤诊断问题具有良好的适应性和实用性。     

遗传算法在T—S模糊模型辨识中的应用

给出了Ｔ－Ｓ模糊模型的一种模糊神经网络实现方法。提出了采用遗传算法优化网络参数，实现了Ｔ－Ｓ模型的辨识。给出了参优化的详细过程，并用仿真实例证实了 这种方法的有效性。成功地将神经网络，模糊逻辑与遗传算法融合于一个系统中。     

高精度RBP－模糊推理复合学习系统

该文提出了高精度ＲＢＰ－模糊推理复合学习系统．系统主要由基于鲁棒估计的鲁棒ＢＰ学习环节和基于混合合成推理的模糊推理环节构成．该学习系统的主要特点是可由鲁棒ＢＰ算法和ｍｉｎ－ｍａｘ，ｍａｘ－ｍｉｎ模糊推理算法简单地实现．最后通过在目标跟踪问题中应用结果，表示了该算法的高精度和鲁棒性．     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

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。     

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.     

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PID控制的永磁同步电机控制器研究

为了提高复杂环境条件下永磁同步电机（PMSM）控制器的动态控制性能与抗干扰能力,分析了永磁同步电机的速度-电流（或力矩）双闭环控制调速结构,提出了一种基于模糊PID控制原理的速度环控制策略。速度环运行时,模糊PID控制器首先将永磁同步电机转速的误差及误差变化率进行模糊化处理,然后依据模糊规则进行模糊推理,并自动在线整定出速度环PID的三个系数（比例系数、积分系数、微分系数）,不仅减少了速度环的调节时间,也能增强抵御来自电流环（或力矩环）的干扰。仿真结果表明,当永磁同步电机的转速发生变化或负载发生扰动时,相比于传统的PID控制器,模糊PID控制器能提高系统的动态性能与鲁棒性。该方法用于永磁同步电机的控制是可行、有效的。