模糊离散事件系统的可测性

针对模糊离散事件系统的可测性问题,提出一种基于不可区分串的可测性判定方法。首先引入不可区分串概念以刻画对任一极小可观测事件具有相同的可观察行为;然后构造一个基于极小可观测事件的观察器,建立不可区分串与观察器中非单元循环的一一对应关系,并由此得到模糊可测性的充要条件。同时,也给出一个验证模糊离散事件系统可测性算法。通过实例分析,说明模糊离散事件系统可测性的应用。     

分布式加权离散事件系统的协同可测性

针对状态转移会携带对应定量信息的分布式系统的可测性问题以加权自动机为模型,研究其协同可测性。首先对分布式加权离散事件系统的强协同可测性和弱协同可测性进行形式化;随后提出基于各分站点观察器构造协同观察器的算法,并得到分布式加权离散事件系统强协同可测性和弱协同可测性的充要条件;最后,给出协同可测性在无线传感器网络系统的一个应用实例。     

离散事件系统N步稳定性分析

讨论基于自动机/形式语言模型的离散事件系统(DES)稳定性问题,引入了确定性离散事件系统N步稳定性定义,并得到了稳定性的判据定理,推导了具体的算法实现。该算法具有多项式复杂度。     

部分同步离散事件系统的分散监控

本文研究一类部分同步离散事件系统分散监控与集中监控等价的条件,得到按控制指标自然分解的分散监控实现方式,由此提出了整体、局部目标最优实现一致性问题,并讨论了分散监控闭合回路的两种控制作用机理.最后给出了一种辅助分散监控的协调方案.     

判定非确定离散事件系统稳定性的梯度搜索算法

讨论基于非确定自动机/形式语言模型的非确定离散事件系统(NDES)稳定性问题.引入非确定离散事件系统稳定性的定义,并得到了稳定性的判据定理.给出了基于梯度的搜索算法,该算法可有效消除观测器的冗余,从而降低了计算复杂度.     

基于事件反馈的DES监控理论

本文首先综述了近年基于事件反馈的ＤＥＤＳ监控理论取得的进展，着重给出了几个主要研究方向的结果和存在的问题，同时对这一理论的应用领域特别是工业过程中的应用进行了讨论，指出了今后的发展方向。     

离散事件系统的学习控制初探

本文建立了包含状态持续时间的离散事件系统的自动机模型，然后引入学习算法用以确定描述闭环系统进行了语言K,从而当控制指标是以时间形式给出时，仍能利用监控理论来设计散事件系统。     

马尔可夫链在离散事件系统中的应用

离散事件系统是以事件驱动和状态不连续为特征的。因此,本文提出利用马尔可夫链来分析离散事件系统状态间的转移概率及稳态概率分布。     

一种新的离散事件系统控制方案

给定离散事件系统（ＤＥＳ）Ｇ及某个规定的最大允许合法语言文明（ＭＰＬＬＳ）Ｋ，监督控制在任务就是寻找一个监控器Ｓ，使得系统在监控下不会突破该ＭＰＬＬＳ，也即满足：Ｌ（Ｓ／Ｇ）包含于Ｋ，传统的实现方法要求给定ＭＰＬＩＳＫ计算其最大可控子语言Ｋ＾↑因此难免显示地构造Ｓ。本文给了一种新的方案可以不必对Ｋ＾↑和Ｓ作显式计算，监控任务是随ＤＥＳＧ的演化结合规定的ＭＰＬＬＳＫ用动态方法实现，该方案在很大程度上     

离散事件系统状态反馈控制的几何理论的进一步拓广

本文研究了定义在状态-事件序列上的谓词的离散事件系统的状态反馈控制问题。离散事件系统的数学模型是自动机。状态反馈与闭环过程的关系及许多基本的几何性质得到了详细的阐明;在这些几何背景下,解决了离散事件系统状态反馈控制的拓广问题,包括关于简单谓词与一般谓词的问题。     

Detectability for Nondeterministic Discrete Event Systems and Its Applications in Medical Diagnosis

In this paper, we extend our previous results on detectability to nondeterministic discrete event systems. Many practical systems are nondeterministic, especially those in biomedicine. Disease models of patients are usually nondeterministic because hardly anything is deterministic in biological systems. The goal is to determine or estimate the current and subsequent states of a system based on a sequence of observations when the initial state of the system is unknown. We say that a system is detectable if one can determine its state after observing some outputs. The observation includes partial event observation and/ or partial state observation. We define four types of detectabilities： strong detectability, （weak） detectability, strong periodic detectability, and （weak） periodic detectability. We derive necessary and sufficient conditions for these detectabilities. These conditions can be checked by constructing an observer, which models the estimation of states under different observation. Furthermore, we apply the results to medical diagnosis by considering a realistic example of diagnosing whether a patient suffers from one of the following five similar diseases ： （ 1 ） rheumatoid arthritis, （2） rheumatic arthritis, （ 3 ） systemic lupus eruthematosus, （4） bony ankylosis, or （ 5 ） spondylitis ankylopoietica.     

Generalized Detectability for Discrete Event Systems

In our previous work, we investigated detectability of discrete event systems, which is defined as the ability to determine the current and subsequent states of a system based on observation. For different applications, we defined four types of detectabilities: (weak) detectability, strong detectability, (weak) periodic detectability, and strong periodic detectability. In this paper, we extend our results in three aspects. (1) We extend detectability from deterministic systems to nondeterministic systems. Such a generalization is necessary because there are many systems that need to be modeled as nondeterministic discrete event systems. (2) We develop polynomial algorithms to check strong detectability. The previous algorithms are based on an observer whose construction is of exponential complexity, while the new algorithms are based on a new automaton called a detector. (3) We extend detectability to D-detectability. While detectability requires determining the exact state of a system, D-detectability relaxes this requirement by asking only to distinguish certain pairs of states. With these extensions, the theory on detectability of discrete event systems becomes more applicable in solving many practical problems.     

离散事件系统的一种最优监控综合方法

本文基于ＤＥＳ的Ｄ－自动机模型，提出一种最优监控综合问题，然后讨论了该问题解的存在性，最后利用极小代数给出了求解该问题的方法。     

离散事件系统仿真中的优化算法

计算机仿真是研究离散事件系统的一类重要方法。在仿真环境下对离散事件系统的参数进行优化是设计高性能系统的必要保证。本文给出了随机型优化问题的分类，并综述了离散 参数和连续参数随机型优化问题中典型的求解算法。     

基于事件图的并行离散事件仿真方法

为解决并行离散事件仿真技术开发难度大的问题,提出一种基于事件图的并行离散事件仿真方法。采用模型驱动体系结构,利用转换器将事件图模型自动转换为基于逻辑进程的并行离散事件仿真可执行代码。并行离散事件仿真的建模方式由以代码为中心的模式发展为以模型为中心的模式。实验结果表明,该方法能提高并行离散事件的仿真效率。     

Detectability of Discrete Event Systems

In this note, we investigate the detectability problem in discrete event systems. We assume that we do not know initially which state the system is in. The problem is to determine the current and subsequent states of the system based on a sequence of observations. The observation includes partial event observation and/or partial state observation, which leads to four possible cases. We further define four types of detectabilities: strong detectability, (weak) detectability, strong periodic detectability, and (weak) periodic detectability. We derive necessary and sufficient conditions for these detectabilities. These conditions can be checked by constructing an observer, which models the estimation of states under different observations. The theory developed in this note can be used in feedback control and diagnosis. If the system is detectable, then the observer can be used as a diagnoser to diagnose the failure states of the system.     

基于分布对象的离散事件仿真系统

分布对象技术将面向对象的概念揉合到分布计算中,使得基于对象的软件成员在分布异构环境中可重用、可移植和可互操作。文章把分布对象技术用于离散事件系统仿真中,通过对离散事件系统中分布对象的标识,分布对象间同步机制的讨论,提出了基于分布对象离散事件仿真系统的结构,定义了分布仿真对象的接口。     

基于Markov模型的离散事件系统稳态与暂态的分析

利用马尔科夫链的结果,在离散事件系统（DES）逻辑层次的自动机模型基础上,对DES的Markov模型的稳态和暂态特性,分别从时间参数连续和离散的情况下,分四个情况进行了分析,通过实例对系统遍历性提出了一条更简单的且在连续和离散时间参数情况下都通用的判定规则,并利用Kolmogorov向后或向前方程,对连续时间参数DES的暂态特性进行了分析和计算。关于时间参数连续DES的稳态分布着重给出了生灭过程模型稳态分布的计算方法。讨论了DES模型统计性能层次与逻辑层次之间的联系。     

时间偏差的并行离散事件模拟研究综述

时间偏差是并行离散事件模拟中广泛使用的一种同步机制。从事件列表管理、消息取消、乐观性控制、状态保存和恢复、内存管理以及全局虚拟时间计算等几个主要方面对时间偏差的并行离散事件模拟进行了探讨,阐述了其存在的问题,并对各种优化策略进行了分析比较和对并行离散事件模拟的应用前景作了一个展望。