基于结果反馈的模糊Petri网学习算法

针对模糊Petri网模型的复杂结构,在不增加虚库所和虚变迁的情况下改进了模糊Petri网分层算法,从而简化模糊Petri网学习和训练方法。为提高收敛速率,本文从一个全新的角度考虑模糊Petri网的学习和训练,提出了基于结果反馈的模糊Petri网学习的新算法（FBFPN）。该算法通过对纯网进行层次式分层及建立变迁点燃的近似连续函数后,调整权值、变迁的阈值、变迁的可信度的同时又调整输入矢量的多重作用来最小化误差函数。仿真结果分析表明,该算法具有良好的学习效率和泛化能力。     

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。     

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。     

学习环境模糊Petri网多变量输出模型与计算

在模糊Petri网(FPN)学习方法研究中,目前多集中研究FPN单输出学习模型,而鲜有对多输出模型进行深入细致的研究,使模型的应用受到一定的限制.此外,学习模型中的前向计算多采用模糊token相乘的方法,随着规则系统的规模和复杂性的增加,会使输出token值过小,结果偏差较大.为解决上述问题,本文尝试建立FPN多输出模型,并提出学习模型的一种前向计算方法.该方法与模糊token相乘方法的不同之处在于学习模型的前向输出采用取小算子,旨在减小系统的学习偏差,为FPN多输出模型的学习提供方法支持.     

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。     

应用带标识的模糊Petri网的模糊推理

本文针对模糊推理中常存在推理结果意义不明确的问题,提出应用带标识的模糊Petri网(MFPNs)进行模糊推理。推理的过程中考虑模糊产生式规则的权值、阈值、确定性因子等几种知识表示参数以获得更多信息。给出基于相似性测度的模糊推理算法,通过计算带标识的模糊Petri网的最终输出库所中的托肯值可以得到最终的模糊推理结果。通过实例可以验证这样得到的推理结果意义更明确,计算过程更加高效。     

用直觉模糊Petri网构建的供应链可靠性诊断模型

针对不断变化的供应链系统内外部环境因素,围绕供应链系统可靠性诊断问题,将直觉模糊集引入模糊Petri网建模,用直觉模糊数表示库所状态、变迁阈值和变迁输出置信度,构建了基于直觉模糊Petri网的供应链可靠性诊断模型。对直觉模糊产生式规则按照变迁激发前后变迁和库所之间的与或关系,将供应链可靠性诊断模型模糊推理规则划分为四种类型,得到了变迁触发前和触发后的与或直觉模糊推理规则。同时提出了相应的模糊推理算法,并通过实例验证了模型和算法的有效性,能够及时发现供应链系统故障。     

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。     

模糊Petri网

本文首先把Ｐｅｔｒｉ网模糊化为一种模糊Ｐｅｔｒｉ网，它很适合用来描述具有模糊行为的并行（或并发）系统。它可用在许多应用领域，如应用在诸如大而复杂的制造系统及至社会和经济系统的模拟仿真等实际问题中。     

化工过程故障诊断的模糊概率Petri-net的研究

本文研究基于模糊与概率信息的模糊概率Petri-net故障的诊断方法，概率信息用来解决问题冲突，模糊信息用来解决故障诊断不确定性并计算诊断的可靠性。在石油化工装置中的应用表明，这种方法是行之有效的。     

基于模糊微分Petri网的混合系统表示

为了描述连续部分为模糊的混合系统,提出了基于模糊微分Petri网的混合系统表示方法。该方法的切换规则由时间来控制并由离散变迁来监督管理,而连续部分则由模糊微分方程描述,通过模糊微分库所和模糊微分变迁来建模。最后通过实例来展示我们的Petri网对混合系统的表示能力。     

一种用于上下文推理的带反馈的自适应模糊Petri 网模型

自适应模糊Petri 网兼具模糊Petri 网的模糊推理能力和神经网络的学习能力,是普适计算的模糊情境推理机制的重要的形式化规约工具.但该模型依赖于离线训练数据集,无法适应动态变化的普适智能环境.在自适应学习Petri 网模型中嵌入反馈机制,并对将模糊逻辑引入对上下文的表示,利用神经网络的反向传播学习方法对隶属度函数的参数进行学习,提高了模型的场景适配和个性化自学习能力.通过设计服务推荐系统,建立了模型仿真与验证实验环境.实验结果表明,该方法可以有效提高系统学习能力,进而提高推理正确率.     

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。     

基于扩展模糊Petri网的知识推理方法研究

为使模糊Petri网能够描述可变模糊隶属判据下的模糊知识,利用基准变换能较好地表达模糊隶属判据可变情况的特点,基于定性映射和定性基准变换对模糊Petri网进行了扩展,给出了扩展后网模型的形式定义和基本运行机制。通过利用定性映射描述模糊产生式规则,给出了一种新的知识表示模式和推理方法,新方法有利于构建模糊Petri网基于认知的学习机制。结果显示,该网模型具有较强的知识表达能力,适用于处理认知模糊不确定性知识,其推理过程能体现某些认知特性,尤其适用于构建以定性判断为特点的智能系统。     

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。     

Petri网的广义组合积网研究

本文提出了Petri网的P-划分组合积网和T-划分组合积网，讨论了保持网的结构性质的条件。为大系统的分析与综合提供了新途径。     

基于EFPN的模糊离散事件系统可诊断性分析

针对模糊有限自动机及模糊Petri网在模糊离散事件系统(Fuzzy Discrete Event System,FDES)行为建模中的不足,提出一种扩展模糊Petri网(Extended Fuzzy Petri Net,EFPN),并基于EFPN构造了FDES行为模型及系统故障诊断器。EFPN以一种新的事件模型为基础对FDES的系统行为进行建模,并根据事件触发矩阵计算下一系统状态中各分量的可能性分布。与模糊有限自动机及模糊Petri网的对比分析表明,在描述FDES模糊事件时,对于同步距离为0的一组事件所造成的影响,EFPN的表达能力强于经典模糊Petri网;在对含有多个状态分量的FDES建模时,EFPN模型的规模远小于模糊有限自动机。在基于EFPN构造的系统行为模型中,运用可达状态标识图分析系统状态集,可有效地构造FDES的故障诊断器,并可据此进行系统可诊断性分析。