基于RS与CPN的电力系统输电线路故障诊断

根据电力系统输电线路网络模型结构的特点,建立基于粗糙集（Rough Sets,RS）与有色Petri网（Coloured Petri Net,CPN）相结合的电网故障诊断模型。RS可在保留关键信息的前提下,对提取的故障信息进行约减并求得知识的最小表达,利用CPN对电力线路的结线分析功能建立CPN的电网故障诊断模型。通过实例验证表明本文提出的诊断模型的快速性和简便性,2种方法的结合不仅提高了故障诊断的通用性,而且降低了复杂故障的诊断难度。     

一种适于带时间戳安全协议的形式化分析方法

提出了一种适用于带有时间戳的安全协议的有色Petri（CPN）形式化分析方法,利用一个非自动时钟来描述协议中涉及的时间因素。对著名的WMF协议建模,利用CPN Tools,采用CPN ML语言编写查询函数验证协议的新鲜性,从而发现协议的漏洞。应用分析结果表明该方法有效,且操作简单容易理解。     

基于有色Petri网的产品协同开发过程建模方法研究

产品协同开发过程具有层次性、分布性、离散性和动态性等特点,采用合理方法构建其有效的过程模型成为协同开发过程管理与优化的基础性条件.将有色Petri网(CPN)技术引入产品协同开发过程建模中,针对性地提出了产品协同开发过程CPN模型的描述性定义;并从协同开发特点出发,为支持基本过程逻辑的描述由工作流原语定义了基本网模型结构;为了描述复杂协同关系,结合模块化方法及库所变迁性质给出了扩展网模型结构的构建方法.该方法实现了将协同开发过程关系从基本到复杂都能映射到相应CPN网上,并通过实例进一步说明了该方法的有效性.     

基于SFT,CPN和移动Agent的分布式入侵检测系统

移动Agent入侵检测系统(Mobile Agent Intrusion Detection System,MAIDS)是一种基于Agent的入侵检测系统。对MAIDS的描述采用SFT到CPN的转化首先用SFT(Software Fault Tree)描述入侵行为,然后将SFT转化为CPN(Colors Petri Nets)以建立入侵行为的描述模板,最后转化成分布式Agent的实现。基于SFT、CPN和移动Agent的分布式入侵检测系统具有错误少、数据量小等优点。     

基于受控Petri网的抽水蓄能机组工况转换控制——建模及实现

定义了一种受控Petri网,并对其中冲突的避免问题进行了探讨.针对抽水蓄能机组运行工况较多、工况转换复杂的特点,采用了受控Petri网技术对抽水蓄能机组的运行状态进行建模及分析,并用可编程控制器(PLC)加以实现.     

Petri网在程序正确性证明中的应用研究

Ｆｌｏｙｄ的循环不变式断言法是部分正确性证明的常用方法之一，但循环不变式断言的构造是比较困难的，而染色网（ＣＰＮ）的位置不变量是可求出的．本文通过用ＣＰＮ描述程序算法，引出了一种拓广的位置不变式的定义，此定义允许不变式是非线性的，以及计算不变式的一个充分条件，并且讨论了上述两种不变式之间的联系，为构造一算法的循环不变式断言提供了一种新的方法．     

基于CPN的规划识别及多步骤攻击检测方法

在Kautz规划识别算法基础上,利用CPN作为新的规划表示和识别方法.与目前规划识别领域广泛使用的Kautz表示方法相比,新的表示方法更加简便与高效.以多步骤攻击检测作为实例,通过计算行为间的变迁关系,以重新得到攻击全貌.     

利用CPN分析通信装备战场抢修系统效能

基于有色Petri网理论,运用建模与仿真技术,对通信装备战场抢修系统效能进行了分析;运用CPN-tools对具体实例进行了仿真实现,其运行结果与该抢修系统的统计结果基本一致;证明了有色Petri网理论和仿真工具在本领域运用的可行性和科学性,为战场抢修系统的效能评估探索出了一种新的方法.     

基于有色Petri网的网格调度模型的研究

有色Petri网(CPN)是一种高级网系统，可以为系统建模提供强有力的支持。该文介绍了CPN的基本概念和建模特性，在研究目前网格调度环境的基础上，提出了网格调度的CPN模型，应用状态空间分析法对两种典型的调度算法进行了分析和讨论。     

基于EM算法的对传网络学习及应用

为克服“胜者全得”对传网络的缺陷,提出使用基于软竞争机制的对传网络.这样增加了网络的训练复杂度.为此,把竞争层中隐单元的输出作为未观察到的缺省随机变量,使用EM算法对基于软竞争的对传网络进行训练,降低训练复杂度,加快网络的收敛速度.在实现EM算法的M步时,根据基于软竞争机制对传网络竞争层的特点,对EM算法实现进行改进,没有使用常用的迭代重新加权最小二乘算法,而利用样本加权平均求取隐层单元的权值向量,使EM算法更加简单易行,收敛速度快.仿真实验结果表明,基于软竞争机制的对传网络具有很好的泛化性能,特别在模式分类上具有很好的实际应用价值.