利用混杂Petri网对基于事件的机器人遥操作系统建模研究

针对采用基于事件思想的移动机器人遥操作系统，首次提出以混杂Petri网作为描 述工具进行建模，模型的离散部分利用传统的Petri网，对应于系统的操作者；连续部分利 用重新定义的便于描述微分代数方程的连续Petri网，对应于位于远端的移动机器人．     

面向对象双变迁Petri网及应用研究

针对Petri网数据流描述能力的不足,引入了数据变迁的概念,给出了双变迁Petri网的定义和图形表示,详细分析了双变迁Petri网的行为规则;定义了面向对象双变迁Petri网,使复杂系统的网模型易于分析理解;实例建模表明,该方法对控制流和数据流共存的复杂系统建模十分有效.     

基于Petri网推理的监控视频事件识别

Petri网模型对复合时序事件具有较好的描述和检测能力,提出基于Petri网描述和推理的监控视频事件信息的自动识别方法。将运动目标及其特征间的空间关系用Petri网的库表示,时间关系及其他推理规则用变迁表示,结合低级计算机视觉算法获得的运动目标特征以及基本事件信息,通过对Petri网推理执行,实现监控视频复杂语义事件的交互式查询,通过实验验证了该方法的有效性。     

基于混合编程的HPN仿真

混合Petri网（HPN）是离散事件和连续时间变量在同一层次的直接交互。其混合变迁规则较为复杂。既要考虑到离散部分与连续部分之间的相互影响，又要考虑到连续标识和离散标识之间的相互转化，所以如果选用单一语言来对混合Petri网进行仿真，难度高，编程量大，开发周期长，针对这一现象。该文提出混合编程的思想。即充分发挥不同编程语言的优势来仿真混合Petri网。该文采用了Matlab与Vc＋＋混合编程的方法来进行混合Petri网的仿真，此种方法可以很好的实现对混合Petri网的仿真，并通过混合变迁规则来验证所建HPN模型的正确性。而且由于混编的应用大大减少了编程工作量，缩短了开发周期。最后针对一个蒸发过程进行实例研究。     

区间速率连续Petri网的模糊模型

为了实现区问速率连续Petri网的模糊控制,建立了区间速率连续Petri网的模糊模型,定义了区间速率连续Petri网的模糊规则.进一步地,对区间速率连续Petri网的模糊控制进行了讨论,给出了库所标识收敛的定理,为基于区间速率连续Petri网描述的模糊系统的控制提供了理论依据.实例分析表明了区间速率连续Petri网的模糊控制的可行性.     

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。     

部分可观Petri网结构信息在故障诊断中的应用

针对离散事件系统的故障诊断问题,本文提出了一种基于部分可观Petri网结构信息的诊断方法.它包括两个部分,第1部分利用故障变迁的可诊断子网确定故障变迁的可诊断性.第2部分在故障可诊断的基础上提出一种在线故障诊断方法:首先,利用Petri网的几种基本子网来分析故障变迁的可诊断子网的结构信息;其次,根据给定的可观测变迁序列和可诊断子网的结构特征来描述子网内部托肯的流动形式;最后,定义故障函数,并结合具体实例来描述故障变迁的发生情况.该故障诊断的方法基于部分可观Petri网结构信息,无需遍历系统状态空间,免去多项式级的计算复杂性,能够满足实时性的要求.     

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。     

复杂网络安全事件的知识表示和关联分析方法

针对复杂网络安全事件信息的模糊性和不确定性的推理问题,提出采用一种加权模糊Petri网的安全事件知识表示和关联分析的方法.将Petri网和加权模糊产生式方法结合起来,通过引入网络安全事件征兆权值的概念,用权值大小来描述多个安全事件征兆对安全事件发生的贡献程度.在一定程度上有效地解决网络安全事件之间的复杂因果关系推理及不确定知识的表示问题.     

基于扩展Petri网的汽车CPS建模

信息物理融合系统是将物理世界与信息系统混合的混合系统,包括了设备感知、网络通信、计算与控制设备等多种组件,其系统操作既包括离散又包含连续的过程。针对上述CPS诸多复杂的特性,将以一种以数据驱动事件的扩展Petri网模型对CPS进行建模。首先,对事件的描述引入时间和空间属性;其次,引入条件变迁描述库所令牌的变化情况;最后对装有前撞预警系统的车辆进行Petri网的建模分析。     

A Reinforcement Learning Adaptive Fuzzy Controller for Differential Games

In this paper we develop a reinforcement fuzzy learning scheme for robots playing a differential game. Differential games are games played in continuous time, with continuous states and actions. Fuzzy controllers are used to approximate the calculation of future reinforcements of the game due to actions taken at a specific time. If an immediate reinforcement reward function is defined, we may use a fuzzy system to tell what is the predicted reinforcement in a specified time ahead. This reinforcement is then used to adapt a fuzzy controller that stores the experience accumulated by the player. Simulations of a modified two car game are provided in order to show the potentiality of the technique. Experiments are performed in order to validate the method. Finally, it should be noted that although the game used as an example involves only two players, the technique may also be used in a multi-game environment.     

A Fuzzy Adaptive Differential Evolution Algorithm

The differential evolution algorithm is a floating-point encoded evolutionary algorithm for global optimization over continuous spaces. The algorithm has so far used empirically chosen values for its search parameters that are kept fixed through an optimization process. The objective of this paper is to introduce a new version of the Differential Evolution algorithm with adaptive control parameters – the fuzzy adaptive differential evolution algorithm, which uses fuzzy logic controllers to adapt the search parameters for the mutation operation and crossover operation. The control inputs incorporate the relative objective function values and individuals of the successive generations. The emphasis of this paper is analysis of the dynamics and behavior of the algorithm. Experimental results, provided by the proposed algorithm for a set of standard test functions, outperformed those of the standard differential evolution algorithm for optimization problems with higher dimensionality.     

Simulating continuous fuzzy systems

In previous studies we concentrated on utilizing crisp, numeric simulation to produce discrete event fuzzy systems simulations. Then we extended this research to the simulation of continuous fuzzy systems models. In this study, we continue our study of continuous fuzzy systems using crisp continuous simulation. Consider a crisp continuous system whose process of evolution depends on differential equations. Such a system contains a number of parameters that must be estimated. Usually point estimates are computed and used in the model. However, these point estimates typically have uncertainty associated with them. We propose to incorporate uncertainty by using fuzzy numbers as estimates of these unknown parameters. Fuzzy parameters convert the crisp system into a fuzzy system. Trajectories describing the behavior of the system become fuzzy curves. We will employ crisp continuous simulation to estimate these fuzzy trajectories. Three examples are discussed.     

区间Pythagorean犹豫模糊连续熵及灰色关联度的应用

区间Pythagorean犹豫模糊集,可以更加全面完整地描述决策者给出的决策结果,因此它是一个表示不确定现象的强有力的工具。针对模糊信息下的决策问题,提出了一种基于区间Pythagorean犹豫模糊连续熵的多属性决策方法。提出连续区间Pythagorean犹豫模糊有序加权平均（CIPHFOWA）算子,并提出了区间Pythagorean犹豫模糊连续熵,同时给出了属性权重完全未知和部分已知时的权重确定方法;提出了一种基于区间Pythagorean犹豫模糊连续熵-灰色关联度的多属性决策方法,并通过新型农村医疗制度完善情况评价案例说明该方法的可行性和有效性。     

基于BP网络的模糊Petri网的学习能力

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良好建模工具，但自学习能力差是模糊系统本身的一个缺点．该文提出了适合模糊Petri网模型自学习的模糊推理算法和学习算法．在模糊推理算法中，通过对没有回路的FPN模型结构进行层次式划分以及建立变迁点燃和模糊推理的近似连续函数，从而把神经网络中的BP网络算法自然地引入到FPN模型中．在FPN模型上，用误差反传算法计算一阶梯度的方法对模糊产生式规则中的参数进行学习和训练．经过学习和训练的FPN具有很强的泛化能力和自适应功能．FPN模型经过训练得到的参数是有特定含义的，可以通过对这些参数的合法性分析，使得模糊产生式规则系统更加有效，也对知识库系统的建立、更新和维护有着重要的意义．     

Lukasiewicz型直觉模糊推理三I方法的性质分析

直觉模糊推理的两个基本模型是Intuitionistic Fuzzy Modus Ponens（IFMP）和Intuitionistic Fuzzy Modus Tollens（IFMT）。首先利用经典模糊集之间的自然距离定义了直觉模糊集间的一种距离。其次，证明了基于Lukasiewicz直觉模糊蕴涵的IFMP和IFMT问题的三I方法关于该距离都具有连续性，并且分别给出了IFMP和IFMT问题的三I方法满足逼近性的充分条件。     

Takagi-Sugeno模糊控制器仿真与稳定性分析

模糊集理论首先由美国学者Zadeh教授提出,在控制工程、家用电器等方面有诸多应用。本文对T-S模糊模型,针对连续系统介绍了一种基于状态反馈模糊控制器的设计方法。同时给出T-S模糊控制器应用于单倒立摆系统的一个实例,并用文中的稳定性分析方法分析它的系统稳定性。并用Matlab软件对基于该模糊系统模型的模糊控制器作仿真分析,从系统响应曲线上可以说明该系统的稳定性。     

A region-based fuzzy feature matching approach to content-basedimage retrieval

This paper proposes a fuzzy logic approach, UFM (unified feature matching), for region-based image retrieval. In our retrieval system, an image is represented by a set of segmented regions, each of which is characterized by a fuzzy feature (fuzzy set) reflecting color, texture, and shape properties. As a result, an image is associated with a family of fuzzy features corresponding to regions. Fuzzy features naturally characterize the gradual transition between regions (blurry boundaries) within an image and incorporate the segmentation-related uncertainties into the retrieval algorithm. The resemblance of two images is then defined as the overall similarity between two families of fuzzy features and quantified by a similarity measure, UFM measure, which integrates properties of all the regions in the images. Compared with similarity measures based on individual regions and on all regions with crisp-valued feature representations, the UFM measure greatly reduces the influence of inaccurate segmentation and provides a very intuitive quantification. The UFM has been implemented as a part of our experimental SIMPLIcity image retrieval system. The performance of the system is illustrated using examples from an image database of about 60,000 general-purpose images     

一种模糊逻辑系统的快速学习算法

本文提出了一种模糊逻辑系统的快速学习算法．算法要求预先确定各输入变量上模 糊集合的数目及分布;模糊规则前件可以是任意形状的模糊集合,后件则必须采用单值模糊 集合;模糊推理采用乘积推理;解模糊方法采用Tsukamoto方法．算法由输入－输出数据对 提取模糊规则．模糊规则的后件采用最小二乘方法一次计算得出．本算法对目标对象的逼近 精度取决于输入参数上模糊集合的数目,数目越多,精度越高．算法所需计算量小．