应用带标识的模糊Petri网的知识表示方法

提出一种在某些库所中带有标识的模糊Petri网模型来进行知识表示。为了获得更多的加权模糊产生式规则的信息,在知识表示的过程中考虑了权值,确定性因子,阈值等参数。这种模糊Petri网充分利用了Petri网的并行处理能力。随着带标识的模糊Petri网的运行,网中标识的变化可以标记加权模糊推理的运行。通过文中给出的基于相似性测度的计算方法可以更加高效地计算出多层加权模糊推理的推理结果。     

基于扩展的带标识的Petri网的加权模糊推理

为了更加高效计算,并且更加便利地进行加权模糊推理来获得更多的有关加权模糊产生式规则的信息,提出一种某些库所中带有标识的模糊Petri网模型来进行加权模糊推理(WFR).用来标记模糊Petrl网运行的托肯值已经从[0,1]上的实数扩展到了模糊集合.提到的加权模糊推理(WFR)包括了局部权值,确定性因子和阈值等几种知识表示参数,参数用模糊数表示,通过提出的计算模糊推理结果的方法,可以更加高效地计算出最终的推理结果.     

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。     

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。     

模糊有色Petri网的形式化推理算法研究

Petri网以其图形化的表示方式广泛应用于形式化推理中.基于模糊有色Petri网的形式化推理算法,以系统内部事务之间的逻辑关系为依据,充分利用模糊Petri网在分析不确定知识中的优势,通过知识模糊、库所抽象、转换抽象实现层次化的知识表示和知识推理,并结合有色Petri网对系统规模作适当约简,从而构造出了一种新型的模糊着色网(FCPN)知识表示和获取模型,有效弥补了传统Petri网在实际应用中的缺陷,使模糊推理过程更加简单且易于实现.     

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。     

基于模糊Petri网的无线顺序控制系统的故障诊断

通过分析基于无线传感器网络的顺序控制系统,给出它的故障传播规则。针对模糊Petri网在故障诊断中的置信度模糊推理算法的不足,进行了添加阈值判断的改进。运用改进后的模糊Petri网推理算法对无线顺序控制系统进行故障诊断,计算控制器故障发生的概率,得出其中控制逻辑重新发送概率最大,理论结果与现场实际测试结果基本一致。     

改进的模糊Petri网在民航飞机故障诊断中的应用

针对民航飞机系统的复杂性,采用了反正向推理相结合的模糊Petri网的故障诊断模型.首先,依据预设的变迁阈值,采用反向搜索策略,对建立好的模糊Petri网模型进行约简,以减小后续推理规模,提高推理搜索速度;然后采用正向推理算法进行数值计算,将复杂的推理过程通过矩阵运算实现,充分利用了模糊Petri网的并行处理能力,使模糊...     

Fuzzy knowledge representation and reasoning using a generalized fuzzy petri net and a similarity measure

In the study of weighted fuzzy production rules (WFPRs) reasoning, we often need to consider those rules whose consequences are represented by two or more propositions connected by “AND” or “OR”. To enhance the representation capability of those rules, this paper proposes two types of knowledge representation parameters, namely, the input weight and the output weight, for a rule. A Generalized Fuzzy Petri Net (GFPN) is also presented for WFPR reasoning. Furthermore, this paper gives a similarity measure to improve the evaluation method of WFPRs and the multilevel fuzzy reasoning in which the consequences and their certainty factors are deduced synchronously by using a GFPN.     

模糊时间Petri网的时间推理及其在过程监测中的应用

针对传统分析方法的不足,提出用线性逻辑给出模糊时间Petri网描述和时间推理的方法。该方法能清楚地分析模糊时间Petri网的运行行为,具体例子说明了其在系统过程监测和诊断中的应用。     

模糊Petri网及其在Web服务信任评估中的应用*

为了提高 Web服务的信任评估准确度和交互成功率,提出了一种新的基于模糊Petri网的Web服务信任评估模型(WS-TEM)。该模型给出了评估的模糊信任规则,在此基础上,提出了一种基于模糊Petri网的推理算法,并使用模糊Petri网中知识表示和运行的基本算法,并行处理一个服务实体的多个推荐信任来综合评估Web服务实体间的信任关系。经过模拟实验和分析表明,该模型在Web服务信任评估上更加准确可靠,从而降低了交互的风险,保证了交互的成功率。     

Fuzzy backward reasoning using fuzzy Petri nets

Chen, Ke and Chang (1990) have presented a fuzzy forward reasoning algorithm for rule-based systems using fuzzy Petri nets. In this paper, we extend the work of Chen, Ke and Chang (1990) to present a fuzzy backward reasoning algorithm for rule-based systems using fuzzy Petri nets, where the fuzzy production rules of a rule-based system are represented by fuzzy Petri nets. The system can perform fuzzy backward reasoning automatically to evaluate the degree of truth of any proposition specified by the user. The fuzzy backward reasoning capability allows the computers to perform reasoning in a more flexible manner and to think more like people.