基于Q学习的智能车间自适应调度方法

为降低智能车间中动态不确定因素对生产性能的影响，提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架，采用Q学习算法，通过智能体—环境交互试错机制，自主训练调度模型，并根据生产车间环境变化动态更新调度模型，以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证，结果证明该方法能够有效应对智能车间生产环境变化，在生产全过程中能对调度决策进行实时调整，优化车间综合性能指标，同时显著降低时间与人力成本。     

基于配置和撤销状态的业务流程变化传播分析

为了解决业务流程行为交互中变化传播的问题,提出一种基于配置和撤销状态的方法分析变化传播。采用基于模型变化类型和变化域的算法,对相关流程模型之间的过渡流程进行配置,得到配置的事件驱使流程链条网由转换规则推导出对应的Petri网;基于变迁系统最小域算法,引入撤销变迁分析研究推导Petri网中的撤销状态,得到优化后的最终Petri网。最后通过仿真实验说明相关流程之间的变化传播可以被维护,并证明方法可提高变化传播的分析效率。     

基于多智能体强化学习的AGVS任务分配方法

为提升复杂场景下多AGV系统任务分配效率，适配动态多变的现代物流搬运场景，提出一种基于多智能体深度强化学习的任务分配方法。首先，根据问题约束条件和优化目标按照强化学习范式对问题进行建模，利用栅格地图建立了算法训练环境，并规定了智能体动作和环境可观测状态，其次应用IDQN算法训练生成指导AGVS任务分配的动作价值函数，最后，在不同问题规模下通过实验证明了IDQN方法相较于传统算法解决同一问题的效率优势，并展示了模型在不同尺度地图中的泛化能力。     

基于程序运行轨迹Petri网模型挖掘的死锁检测方法

程序死锁检测对于保证软件系统的稳定性具有重要作用.动态死锁分析方法由于具有高效和低误报率的特点而得到广泛研究.然而,传统的动态分析方法采用锁图及其各类扩展模型进行程序运行轨迹的建模和分析,它们难以对锁的授权/释放操作及其执行场景进行准确刻画,从而会导致误报现象.针对该问题,提出一种新型的基于程序运行轨迹Petri网模型挖掘的多线程程序动态死锁分析方法.首先,捕获程序运行轨迹中各类并发原语对应的操作,并据此构建程序的Petri网模型;然后,将程序的死锁检测问题转化为程序伴随Petri网模型的死标识检测问题;最后,在传统可达树基础上,计算并扩充了可用于死锁重演的程序调度方案.所提方法能排除更多的误报,并给出一种确定性的死锁重演方案,可有效提高死锁检测的准确性.     

基于多智能体的现代制造系统建模技术

在对智能体的内涵及基本特性进行详细探讨的基础上，提出一种新的、动态的基于多智能体的制造系统建模方法。基于多智能体的制造系统模型框架是一个动态的、分布式智能体网络模型，可对环境变化作出快速响应，动态生成最优的产品制造方案，实现系统模型重构和资源重新配置。     

基于分层着色Petri网的增强现实装配系统建模

为弥补场景图在增强现实装配应用中的不足,提出一种将层次着色Petri网与图灵机模型结合的方法,建立了增强现实装配环境系统模型。该模型借鉴图灵机的思想,以虚拟手的手势代号及位姿矩阵作为输入,输出具体操作事件更新场景图,记录系统的当前内部状态并根据用户输入给出下一步的操作响应。相对于单一的碰撞检测方法,该方法能更好地满足增强现实装配系统的动态实时响应等性能要求。开发建立了该模型的原型系统,并通过网络状态生成图分析验证了模型实时响应的能力。     

工艺约束条件下加工顺序决策的Petri网T_不变量方法

针对计算机辅助工艺设计中一直没有解决的加工顺序决策问题,提出了一种新的基于Petri网T_不变量的加工顺序决策方法。首先根据Petri网原理和产生式规则建立了一个基于规则的加工顺序决策Petri网模型;然后在考虑工艺约束的条件下,给出了可选工艺路线T_不变量的生成算法;最后通过一个实例验证了该算法的合理性和有效性。实例结果表明,所提出的决策方法能够实现从可选工艺路线中得到最优/次优的工艺路线。     

基于Petri网的虚拟装配环境建模及其应用

通过分析虚拟装配环境的结构及性能,针对场景图数据结构在虚拟装配应用中的不足,定义了一种基于知识的层次对象时间Petri网,并用于建立虚拟装配环境的应用层模型。该模型以虚拟手的位姿作为输入,运行后输出具体的操作事件更新场景图,完成装配活动,以满足虚拟装配环境的实时和并发等动态性能要求,实现了虚拟装配大量离散事件的处理及装配意图的响应。给出了基于知识的层次对象时间Petri网的产品装配模型表达,不仅表达了产品结构及装配关系,同时记录零部件在装配过程中的方位及约束状态等动态信息,从而在虚拟装配环境中实现了装配与拆卸并存的实际装配活动。此外,还给出了由产品装配层次图生成的基于知识的层次对象时间Petri网装配模型的算法,说明了基于应用层模型的装配、拆卸操作以及装配过程仿真,开发了原型系统。     

基于Petri网的事件日志与过程模型对齐方法

为了提高过程挖掘中计算最优对齐的效率,提出一种基于Petri网的事件日志与过程模型之间的快速对齐方法——RapidAlign方法。该方法在观察日志的同时运行模型,比对日志活动与模型活动,从而得到日志移动、模型移动和同步移动;根据移动类型计算代价值,并记录日志和模型的当前状态;选取代价值最小的状态继续日志的观察和模型的运行,直到日志和模型均到达结束状态。最终生成一个最优对齐图,其源节点到终节点之间的路径包含了基于标准似然代价函数的事件日志与业务过程模型之间的所有最优对齐。对RapidAlign方法的适用性进行了详细且严格的描述,从理论上证明了该方法的正确性与有效性。通过仿真实验,验证了RapidAlign方法的优越性。     

基于复杂工作系统性能分析的Petri网建模

Petri网是研究离散事件动态系统的有效工具，它通过对实际问题构造Petri网，揭示出系统的动态特性。本文以某质量检测机构为研究对象，进行Petri网建模，分析系统在资源分配，运行方式等方面性能，并对系统的时间性能作出整体评估。     

基于多智能体的现代制造系统建模技术

多智能体技术在制造领域的应用是一个新兴的研究热点.文章对智能体的特性进行了全面阐述,提出了一种新的、动态的基于多智能体的制造系统建模方法.基于多智能体的制造系统模型是一个动态的、分布式智能体网络模型,可以对环境变化做出快速响应,动态生成最优的产品制造方案,实现系统模型重构和资源重新配置.     

柔性制造系统时延Petri网模型排产优化研究

为解决现有柔性制造系统排产效率低的问题，提出一种基于时延Petri网模型的柔性制造系统排产优化方法。首先，根据柔性制造系统生产模式的特点，为其建立包含生产路径约束信息的时延Petri网模型。其次，设计遗传算法与模拟退火算法的混合算法，快速搜寻时延Petri网模型最优或次优变迁发生序列，从而得到系统加工优化路径。最后，通过算例仿真与分析，表明该算法具有较高的准确率，且有较强的跳出陷阱能力，证明了其在基于时延Petri网模型的柔性制造系统排产优化方面的有效性。     

制造系统动态可靠性建模理论及其应用

在分析传统可靠性设计理论存在缺陷及面临挑战的基础上，评述动态可靠性建模主要方法。利用Petri网对动态系统的描述能力，将Petri网应用于系统故障分析和动态可靠性计算中，提出了基于故障Petri网的动态可靠性建模方法。以某挖掘机液压系统为例，研究了制造系统故障的Petri网静态描述和动态可靠性计算方法，求解得到系统可靠性数值指标。应用表明，随机Petri网在故障传播描述以及系统动态可靠性分析方面具有优势.     

基于扩展高级全局决策Petri网的FMS优化模型

柔性制造系统是一个复杂的离散事件动态系统。在扩展高级决策：Petri网的基础上，提出了一种具有全局结构的扩展高级全局决策：Petri网，对柔性制造系统进行建模的方法。以扩展高级全局决策Petri网与基于遗传的最小平衡算法结合为例，证实了扩展高级全局决策：Petri网与智能优化方法相结合，既提高了FMS优化调度的整体性能，又使调度具有较强的可观性。     

基于PetriNet的钢胚磷化PLC控制系统

随着控制系统发展，传统的PLC编程方法已不适用于具有并发、离散性质的复杂系统。基于Petri网模型的PLC程序设计方法，由于具有图形性质和对并发事件建模的能力，从而逐渐在复杂PLC控制系统中得到应用。然而所建模型往往繁杂，不利于分析和实现。通过将分层Petri网和T组合Petri网两种化简方法相结合，使得系统模型更另简明直观便于分析。在钢胚磷化PLC控制系统中应用，系统运行状况良好。给出了系统的Petri网模型和逻辑方程。     

基于深度迁移学习的复杂环境下油气管道周界入侵事件识别

长输油气管道沿途运行环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对入侵事件识别准确率降低。为了改善识别模型偏差问题,提出一种基于域不变特征深度迁移学习的管道入侵事件识别方法,通过堆叠稀疏自编码网络实现不同环境条件下的入侵事件自适应特征提取,并引入迁移学习实现复杂环境中入侵事件的准确识别。该方法通过场景差异性评测,缩小复杂真实场景与典型场景间分布差异,获得有效的域不变模型。实验结果表明,所提方法能明显改善复杂环境下油气管道入侵事件识别效果,提高识别准确率。     

基于Petri网的业务流程低频行为挖掘与优化分析

低频行为的挖掘是业务流程管理的重要内容之一,区分有效低频和噪音在业务流程优化中显得尤为重要。已有挖掘方法多是从数据属性研究低频行为,较少根据不同模块间的行为属性来分析低频行为,由此提出基于Petri网的业务流程低频行为的挖掘与优化方法。首先,通过用流程树切的直接流图表示日志的行为关系,并与初始模型做匹配,发现所有的低频序列;然后,计算日志与模型的行为距离向量,基于行为紧密度区分有效低频日志和噪音日志,优化事件日志;其次,利用不包含噪音序列的事件日志通过融合交互模块网与特征网,挖掘得到一个优化的业务流程模型;最后,通过具体的实例分析和仿真实验验证了该方法的有效性。     

基于AFPN的汽车故障诊断研究

针对汽车故障诊断专家系统的知识具有动态性和不确定性的特点.提出了一种基于自适应模糊Petri网（AFPN）的汽车故障诊断方法。该方法首先根据模糊产生式规则建立相应的模糊Petri网模型,然后利用BP算法,通过样本数据对模糊Petri网中的权值等进行反复的学习训练,最后利用训练得到的参数和故障征兆发生概率对故障进行诊断。这种方法使知识库能动态更新,并可以避免依靠人工经验设置带来的不确定性。诊断结果表明,和传统故障树方法相比,该方法具有很多优点。     

基于Petri网可达图的业务对齐方法

为提高过程挖掘中计算最优对齐的效率,提出一种基于Petri网可达图的业务对齐方法。首先,根据给定事件日志,提取其包含的活动子集;然后,将子集中包含的活动映射到变迁,构建花型日志模型;进一步,计算花型日志模型与过程模型之间的乘积模型及其可达图;最后,给出算法在可达图中查找出事件日志中全部迹与过程模型之间基于给定代价函数的一个最优对齐和所有最优对齐。从理论上证明了该方法的适用性与有效性。通过仿真实验,验证了该方法的可行性与优越性。     

基于随机失效序列的制造系统动态可靠性分析

制造系统的动态可靠性不仅取决于系统零部件的失效模式,还与零部件的失效顺序密切相关。针对现有随机失效序列可靠性研究方法的不足,利用Petri网对动态系统的描述能力,将Petri网应用于动态可靠性及失效序列分析中。以系统Petri网模型为基础构造可达树,基于可达树得到系统所有可能的失效序列,给出了失效序列事件发生概率的计算方法,通过计算失效序列的发生概率求解系统动态可靠性指标。最后,以一制造单元实例验证方法的有效性。