基于直觉模糊Petri网的故障诊断

故障诊断经常受到多种不确定性和模糊性因素的影响,针对不确定性的故障诊断问题,利用直觉模糊集较好的表达不确定性信息的优势和Petri网较好的并行处理以及图形处理问题的能力,构建了直觉模糊Petri网模型。由于将直觉模糊推理转化为矩阵运算的过程中有非隶属度参数的参与,因此推理结果可提供更多的信息。根据实际故障诊断中的模糊推理问题,给出了带有权值、阈值等参数条件下新的直觉模糊推理算法。通过获取和处理故障诊断中的不确定性和模糊性的知识,该算法将故障诊断过程转化为利用直觉模糊Petri网的直觉模糊推理过程。实际燃气轮机故障诊断模型案例表明了所给直觉模糊推理算法的有效性。     

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。     

直觉模糊Petri网的空战战术决策

空战对抗时间短、任务重、态势变化迅速、不确定性因素多。直觉模糊集是处理不确定性问题的有效方法,结合Petri网强大的知识表示能力,给出了直觉模糊Petri网（IFRN）的模糊推理算法和推理规则。针对空战战机稍纵即逝的特点,适当选取模糊控制变量和隶属度函数,构建了直觉模糊Petri网决策模型。选取某空战实例进行仿真实验,决策结果与专家的预测结果吻合,验证了模型的正确性和可用性。分析了模型在实际应用中存在的缺陷,提出适当的改进意见,使模型更加完善。     

一种新的基于直觉模糊Petri网的模糊推理算法

基于模糊Petri网的推理机制研究是模糊Petri网领域的热点问题之一。在基于直觉模糊Petri网模型框架下的推理过程中引入库所重排策略及可激活变迁判断公式,提出一种新的基于直觉模糊Petri网的模糊推理算法。通过与已有文献的推理算法的对比分析,在得到同样精确结果的前提下,本算法能够有效地简化推理过程,节省推理时间,降低算法的时间复杂度。     

直觉模糊Petri网的双向模糊故障推理算法

针对故障诊断中故障现象与故障原因之间复杂的不确定关系,利用直觉模糊集表达不确定性信息的优势和Petri网的图形处理问题的能力,给出了基于直觉模糊Petri网的双向模糊故障推理算法。该算法首先利用反向直觉模糊推理算法对模型进行约减,查找故障原因,再利用正向直觉模糊推理算法对模型进行计算,输出结果。该算法既可将故障信息化繁为简,降低推理过程的时间复杂度,还能够使故障诊断的确定性程度得到进一步提高。汽车发动机诊断案例表明了所给双向直觉模糊推理算法的可行性和有效性。     

基于IFTPN的不确定时间知识描述和推理方法

针对现有时序逻辑在对复杂不确定时间信息描述和推理方面的局限性,构造了直觉模糊时间Petri网模型(IFTPN)及其推理方法.该Petri网模型利用直觉模糊集合对模糊时延、模糊时间片进行描述,可以表达定义在离散论域或连续论域的各种不确定时间信息,并基于直觉模糊逻辑定义了模糊时间运算法则;同时,基于线性逻辑对该模型进行描述,定义了变迁之间的各种触发规则,并给出了推理方法.将该方法应用于C4ISR系统进行决策时延分析,表明了该模型及其推理方法是比较优越的.     

基于BP算法的IFPN参数优化方法

针对直觉模糊Petri 网(IFPN) 模型自学习能力差的缺陷, 将神经网络中的BP 误差反传算法引入IFPN 模型 的参数寻优过程, 提出一种基于此的参数优化方法. 该算法通过建立变迁点燃和直觉模糊推理的近似连续函数, 摆脱 了参数对经验的依赖, 更加符合实际系统的需求, 同时使得IFPN 具有较强的泛化能力和自适应功能, 推理结果更加 准确可信. 最后通过典型实例验证了该参数优化方法的有效性和优越性.

     

基于属性Petri网的属性粒推理研究

不确定性知识处理是人工智能研究中经常遇到的问题,基于定性映射的属性Petri网模型在动态表示认知思维中不确定性知识与逻辑推理方面具有优势。在属性拓扑空间中,给出了属性粒的基本定义和基本推理,在属性Petri网中对不确定性知识进行表达,并基于属性Petri网给出归结推理的基本形式和基本算法。结果显示,这种方法可以使定性映射和Petri网更易于动态和显式地表达认知不确定性知识,可为进一步研究Petri网在认知模型中的作用提供参考。     

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.     

变电站故障诊断中的不确定性问题研究

在变电站故障诊断过程中,业务知识的表示与推理存在大量不确定性问题.通过对这些不确定性问题的分析,将业务规则量化后并映射到模糊Petri网.设计一种加权的模糊Petri网模型,对变电站故障信号的分析过程进行建模,模拟带有关联告警信号的组合故障的诊断过程.该模型可以对变电站设备故障中不具备完整现象描述的情况进行处理,且可有效降低信号误报和漏报时对推理结果造成的影响.     

基于多类别信息量的模糊Petri网故障推理策略

针对模糊Petri网推理模型膨胀、推理过程繁琐的问题,研究基于信息论方法的推理过程简化策略;利用自信息和熵函数的概念,提出了一种多类别故障特征信息量准则,给出了多类别故障特征信息量的具体计算方法;制定系统的故障推理策略时,首先选择故障信息量最大的故障特征进行测试,然后依据故障特征的测试顺序建立模糊Petri网模型,最后根据模糊Petri网模型进行故障推理;结论证明,该方法能够有效地进行故障推理,实现系统故障的动态和快速搜索。     

模糊着色Petri网及其在工作流建模中的应用

Petri网是当前工作流建模中广泛采用的工具之一，针对工作流过程定义中模糊信息的描述和处理问题，提出模糊着色Petri网的描述方法，并给出基于模糊着色Petri网的推理过程，最后给出一个简单业务流程的基于模糊着色Petri网的工作模型，并对该模型进行了分析。     

结合遗传算法优化模糊Petri网的参数

本文提出了应用遗传算法实现模糊Petri网参数优化的方法。仿真实验的结果表明,遗传算法能有效地找到模糊Petri网的理想参数,这提高了模糊Petri网对知识的分析、推理能力。     

基于知识Petri网的确定性和不确定性联合推理

知识推理是人工智能的核心领域,旨在研究如何从已知(知识库和推理规则)推理出未知,以帮助智能体做出科学决策.而智能体所处的环境存在不可观性和不确定性,因此知识库通常不仅包含确定性知识,还包含不确定性知识,而且推理过程需要两类知识紧密协作.然而,目前的推理方法无法将两类知识统一表示,常常将两者对应的推理过程割裂进行.基于此,为了实现在统一的模型架构下完成确定性和不确定性联合推理,给出了一种知识Petri网推理方法.首先,定义了一种新的知识Petri网,使其不仅能够描述确定性的知识规范,也可以描述先验概率知识;其次,根据知识Petri网的网结构,给出了一种知识Petri网概率独立剪枝算法,能够指数级地降低不确定性推理的计算复杂性;最后,利用知识Petri网及其概率独立剪枝算法,给出了一种新型推理算法,实现了确定性和不确定性的联合推理,并利用Wumpus世界进行了演示和验证.     

具有死锁和陷阱结构的模糊Petri网性态分析

Petri网是一种具有动态特性的建模工具,模糊Petri网是Petri网的一个重要分支,可以有效处理具有不精确的、不确定的复杂因素的系统模型问题。本文在模糊动态Petri网的定义和运行规则基础上,研究了具有死锁和陷阱结构的模糊Petri网系统,通过配置不同的初始标识,分析其动态运行特性,并给出算例分析。     

基于双枝模糊集的一致性模糊变权Petri网攻击模型

以Petri网为基础,结合双枝模糊集理论,定义了一种新型的一致性网络攻击模型CBBVFPN,并根据CBBVFPN模型的特点构造出了相应的形式化推理算法。该模型弥补了以往基于Petri网的攻击模型共同具有的一些缺陷,同时对“AND”和“OR”两种基本Petri结构进行了扩展。在推理过程中,为了防止以一个真实度很低的命题为前提继续推理,得出真实度更低的命题而背离事实,提出规则演化和变权的方法来处理真实度低的命题。推理算法使用统一的方式表示肯定命题和否定命题,并且在算法中加入控制条件,以保证推理过程和推理结果的一致性。最后以Botnet攻击为实例验证了本算法。     

具有动态可靠性的模糊时间Petri网攻击模型

在利用Petri网方法研究网络攻击模型的过程中,引入攻击可靠性的概念,将网络攻击模型作为一个系统看待,以此系统为研究对象,不仅通过推理算法得到目标库所的真实度,并且对攻击路径和系统进行动态可靠性分析,从而提出一种新的攻击模型—动态可靠性模糊时间Petri网网络攻击模型（DRFTPN）,并结合可靠性给出了相应的推理算法。这种模型将攻击过程描述为一个不可修复复杂系统,认为库所代表的攻击状态是随机失效的。为了计算复杂系统的可靠度,提出了一种近似求得系统可靠寿命的补偿性算法,并利用基于最小路集的方法求得DRFTPN模型的攻击路径。最后,运用Monte Carlo方法对DRFTPN模型进行仿真。