FMS工作流故障诊断自适应加权模糊Petri网模型

研究了使用人工神经网络和加权模糊Petri网对故障进行诊断的方法。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,将人工神经网络、模糊逻辑和传统Petri网模型结合,定义了一种自适应的加权模糊Petri网模型以及模型的构造方法,在此基础上,提出了一种使用改进的BP算法对模型的权值进行训练的方法,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。最后对柔性制造系统(FMS)实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和人工神经网络的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

复杂系统可靠性估计的模糊神经Petri网方法

针对复杂系统可靠性建模难问题,提出了一种新的适用于复杂系统可靠性估计的模糊神经Petri网(简称为FNPN)．文中首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法．该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度．最后以一无向网络为例说明该方法是可行的．     

基于模糊神经Petri网的软件系统可靠性评估方法

针对软件系统可靠性建模难问题,提出了一种新的适用于软件系统可靠性估计的模糊神经Petri网(简称为FNPN).文章首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法.该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度.最后用实例分析验证了该方法的可行性.     

基于ACO优化参数的模糊Petri网故障诊断技术研究

针对传统模糊Petri网在进行故障诊断推理时,需要依靠专家经验给出所有产生式规则的参数,使得故障诊断的精确度受限于专家知识水平的问题,提出了一种加权模糊神经Petri网模型以及相应的构造方法,此方法使用模糊Petri网进行故障诊断,网模型中各参数由BP神经网络训练而得,为了进一步提高诊断精确度,定义了使用ACO (Ant Colony Optimization)对网模型的各参数进行优化的算法;最后通过发电机故障诊断实例对比试验,验证了文中ACO优化的模糊神经Petri网,能够对各种故障进行正确的诊断,且在诊断精度和效率上较常规的模糊神经Petri网有了很大的提高,具有很强的实用性和可行性.     

基于模糊神经Petri网的网络入侵检测方法

针对传统的入侵检测方法存在检测速度慢、不易收敛、检测准确率低等问题,提出了一种新的适用于网络入侵检测的模糊神经Petri网(简称为FNPN)。文中首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法。该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力,可通过对样本数据学习来调整模型中的参数以获得系统内部的等效结构。实验证明,该方法具有更高的识别精度和更高的学习速率。     

基于模糊Petri网的高炉故障诊断系统

采用模糊神经Petri网专家系统来对高炉进行故障诊断,结合神经网络自适应、自学习和模糊控制逻辑推理强、能够表达模糊语义的优点,建立了一种模糊神经Petri网故障诊断模型;针对高炉故障特点对先兆预测分析原理进行了分析研究,提出了自己的设计方法;在分析模糊Petri网及神经网络的优点的基础上,构建了基于模糊神经Petri网的专家诊断系统,通过测试风量,风压,喷吹量,炉顶温度,炉身温度,透气性指数得到诊断结果,使得诊断推理与网络学习更为完善,并运用VC++6.0中MFC功能设计了一套与前面诊断系统相对应的仿真程序,证明了该诊断模型的可行性。     

基于专家系统和Petri网的网络可靠性评估方法

针对网络系统可靠性建模难的问题,结合专家系统和Petri网理论各自的特点,提出了一种基于知识库系统的Petri网可靠性评估方法。首先引入模糊神经Petri网的定义和适用于网络系统可靠性建模的引发规则,然后在此基础上提出一种学习算法,其既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后以一个无向网络的可靠性评估为例,并通过定性分析和定量计算,验证了算法的合理性和有效性。     

基于AFPN的舰船电子综合化系统总线故障诊断研究

针对舰船电子综合化系统总线故障诊断模糊性、不确定性的日益增强,且难以实现快速故障诊断的难题,提出一种基于自适应模糊Petri网(Adaptive Fuzzy Petri Net,AFPN)的舰船电子综合化系统总线故障诊断方法;在加权模糊Petri网(Weighted Fuzzy Petri Net,WFPN)的基础上,引入神经网络技术,给出了AFPN的形式化定义及学习算法;实例分析验证了所提方法的有效性,研究表明:AFPN模型具有很强的自适应能力和推理能力,克服了传统单纯依靠人工经验故障诊断的不确定性和偶然性,可以实现舰船电子综合化系统总线快速精确的故障诊断。     

遗传神经网络故障诊断自适应Petri网模型

研究故障诊断优化问题。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,造成故障诊断难以精确,提出了将遗传算法、神经网络和传统Petri网模型结合,形成了一种改进的自适应的加权Petri网模型以及模型的构造算法,同时在此基础上,采用改进的遗传算法对神经网络模型的权值进行优化训练,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。仿真实例验证了算法的有效性,对柔性制造系统实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和遗传算法的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

基于自适应神经网络加权模糊故障诊断研究

研究故障诊断问题;针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,基于模糊逻辑BP神经网络和传统Petri网模型结合,提出了一种新的自适应的加权模糊神经网络Petri网模型故障检测方法;该方法首先采用改进的BP神经网络算法对模型的权值进行训练,然后采用构造的自适应模糊Petri网模型对故障进行诊断;在柔性制造系统实例中进行了故障诊断,实验结果表明,该方法具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断,具有一定的实际应用价值。     

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。     

基于组合逻辑的故障诊断方法

针对复杂系统故障传播和故障分析的模糊性和不确定性,首先,在逻辑Petri网和模糊Petri网的理论基础上,根据逻辑Petri网的传值不确定性以及模糊Petri网对模糊信息的表示和推理能力的特点,提出模糊逻辑Petri网的概念及推理规则,考虑不同故障源对故障的影响程度,将概率信息引入模糊逻辑Petri网,对故障源赋予置信度,使故障诊断过程更符合实际。其次,利用模糊逻辑Petri网对故障诊断系统进行建模,用模糊逻辑Petri网描述了系统故障状态组合的逻辑关系,并进一步简化了系统模型的表达形式,具有良好的封装性、重构性和可维护性,在一定程度上缓解了状态组合空间爆炸问题。针对故障的传播性,采用可达性分析方法对故障信息的传播路径进行模拟论证,提高了故障诊断效率。最后,通过离心式压缩机故障诊断过程实例分析,验证了该方法的有效性和可行性,提高了故障诊断过程的准确性和高效性。     

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。     

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。     

模糊Petri网在航电总线系统故障诊断中的研究

航电总线系统结构复杂,各部件相互耦合,故障传播模式多样化。因此,为了处理故障诊断中不充分和模糊的信息,提出了将模糊Petri网应用到航电总线系统的故障诊断中,构建出其故障的传播模型,并在模型的基础上,给出有效的推理算法。表明利用模糊Petri网,可以建立航电总线系统的故障传播模式的模型,清晰地反映故障的产生、发展及影响。     

基于神经网络和模糊逻辑的工业过程故障诊断与报警系统

用单一理论和方法对复杂系统进行故障诊断效果不太好.文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点,提出了一种保障工业生产安全可靠运行的有效方法:分级故障诊断算法 过程监控与报警,仿真并设计了基于工控网络的工业过程故障诊断与报警系统.研究表明基于径向基函数神经网络 模糊逻辑的算法具有较快的训练速度和较好的泛化能力,可识别多回路故障.     

基于矢谱和模糊Petri网的旋转机械故障诊断研究

讨论了矢谱融合技术和模糊Petri 网的相关理论,提出了基于矢谱和模糊Petri网的旋转机械故障诊断方法,建立了基于矢谱的旋转机械常见故障诊断Petri网模型。模拟实验结果表明：与基于单通道数据的诊断结果对比,矢谱和模糊Petri网应用于旋转机械常见故障进行诊断,可有效提高旋转机械故障诊断的准确率。     

PFPN在民航飞机故障诊断中的应用

针对民航飞机系统故障诊断的复杂性以及民航对快捷性和安全性的要求,采用了基于优先权值的模糊Peti网(PFPN)的故障诊断模型对某型号飞机空调系统进行故障诊断,以提高诊断过程的快速性和准确性.利用概率统计分析数据得到模糊产生式规则并建立模糊petri网,根据正反向推理相结合的算法,在反向推理中引入表示故障严重程度的优先权...     

Fuzzy Petri nets with neural networks to model products qualityfrom a CNC-milling machining centre

This paper presents a Petri net approach for the modeling of a CNC-milling machining centre. Next, by utilizing fuzzy logic with Petri nets (fuzzy Petri nets), a technique based on 9 fuzzy rules is developed. This paper demonstrates how fuzzy input variables, fuzzy marking, fuzzy firing sequences, and a global output variable should be defined for use with fuzzy Petri nets. The technique employs two fuzzy input variables (spindle speed and feed rate), throughout the milling operation in order to determine surface roughness. Additionally, a fuzzy Petri net is used with an artificial neural network for the modeling and control of surface roughness. Experimental results illustrate that the technique developed can be of benefit when the cutting tool has suffered damage throughout the milling operation. It also shows how the technique can react when the quality is high, medium, or low. The surface roughness represents the quality specification of products from the CNC-milling machining centre