Petri网化简新技术研究

在Petri网的并分解技术的基础上进行研究,依据并分解定义提出了将一种无环路、多输出库所网分解为若干个单一输出库所子网的新技术,将其应用于电网故障诊断,为Petri网应用于大型电网的故障诊断提供了一条可行的思路。     

基于分解子网的Petri网不变量的分析

分析系统性能时,Petri网不变量具有重要意义。为了减小求解的计算复杂性,基于Petri网的分解,并利用关联矩阵的构成特点,分析总网和分解后子网的不变量之间的关系。对分解后的子网为一般Petri网,采用的连接为自环连接和同步连接的情形,得到了总网P/T-不变量可对分解保持的一些充分、必要或充要条件。     

基于库所指标分解的Petri网活性与公平性分析

Petri网的分解技术是用于复杂网系统分析的一种有效手段．基于库所指标的Petri网分解方法，将一个复杂的网系统分解成结构简单的子网，分解后的子网保持原网系统的语言行为不变当且仅当具有公共变迁的子网的可达图关于公共变迁是同构的．若分解过程中保持系统的语言行为不变，则在Petri网的活性和公平性方面有着对应关系．本文基于分解给出了Petri网活性判定的充要条件和公平性判定的定理，对基于分解的复杂系统的Petri网分析方法提供了更为有效的理论和可行的技术．     

Petri网语言的同步交运算

Petri网语言是用于系统行为分析的有力工具，利用传统的语言运算并不能很好地刻画Petri网的语言行为，为此，本文给出一种新的Petri网语言运算操作一同步交运算，并就网系统的分解和合成过程中的行为关系，分析了Petri网语言的同步交运算的作用和意义．     

基于库所指标分解的Petri网结构性质分析

Petri网的分解技术是复杂网系统分析的一种重要手段,基于库所指标的分解方法将系统分解为一组S-网。基于库所指标的分解方法来分析原网的结构性质,得到了原网对子网结构性质的保持关系,并给出了几种通过子网直接判定原网结构性质的方法,为结构复杂Petri网的性质分析提供了有效的方法。     

基于Petri网的Socks协议建模与分析*

论述基于Petri网的Socks协议分析,通过对Socks协议的分解,给出了Socks协议各阶段的流程,并建立相应的Petri网模型,从而完成对Socks协议运行机制和实现原理的分析。     

基于Petri网分解技术的自动化物流系统建模分析*

针对西安科技大学自动化物流系统的任务规划,提出了一种基于变迁指标和库所指标融合的Petri网分解方法。采用Petri网理论对该物流系统建立模型,给出定义,在此基础上采用提出的Petri网分解方法得到融合了T网和S网特性的最小子网。通过分析该最小子网,得出Petri网模型的活性和有界性,据此推断出物流系统的任务规划合理有效。该方法大大减少了直接分析子网或原Petri网模型的计算量,可避免全局或局部死锁,为系统良好运行提供了依据。     

Petri网化简技术的动态特性研究

对于大而复杂的Petri网,“节点过多,状态爆炸”一直是阻碍其技术发展的主要问题,因此,如何有效地简化Petri网一直是Petri网研究领域的一个研究热点。将Petri网简化为若干子网是一个很有效的方法。提出了库所指标概念,根据该指标,给出了Petri网的分解定义,并给出了相关算法。在此基础上,依据所给出的算法研究化简技术的动态特性,将子网与原网的特性对应起来进行研究,为复杂系统的Petri网的分析提供了一种有效的途径。     

基于变迁指标的Petri网分解方法

通过定义Petri网变迁的指标函数,给出一种基于变迁指标的Petri网分解方法,通过分解得到子网系统均为结构简单的T-网。分析了原网系统与子系统在结构性质和动态性质方面的对应关系。并且证明了通过子网之间的共享合成可以得到原先的网系统,这为Petri网用于复杂的物理系统分析提供了可靠的理论依据和技术手段。     

基于库所指标的Petri网分解方法

一、引言 Petri网是系统模拟和分析的有效工具。对于一个规模较大的网系统,由于变迁和库所数目的增多,其分析显得比较麻烦。针对这个问题,国内外的许多学者作了大量的工作,他们提出了网化简、网运算,定义了化简子网、逐次化简以及针对特殊子网、特殊结构的化简方法。文[6]和文[7]分别给出了网系统的“和分解”和“并分解”方法,并讨论了通过这两种分解方法得到的子网同原网在结构性质方面的对应关系。本文通过指定库所集的指标函数,给出一种基于库所指标集的Petri网分解方法,通过分解得到结构简单的子网系统:|t|≤1且|t|≤1,原系统的状态和语言与子系统之间存在着一种投影关系,通过子网间的同步合成可得到原系统的状态和行为,对用Petri网分析大规模系统提供了一种有效的方法。由于篇幅所限,本文没有介绍Petri网的基本概念和术     

CIMS分类编码中码位依赖的研究

通过对CIMS信息集成要求的分析 ,结合NGC CIMS分类编码系统的具体情况 ,提出了码位依赖关系。在对直接依赖、组合依赖和扩展组合依赖分析的基础上 ,就这三种依赖关系提出了码位模式分解和基于元关系的解决方法。最后根据NGC CIMS分类编码系统的实施情况 ,指出了这种方法的有效性     

Exact Minkowksi Sums of Polyhedra and Exact and Efficient Decomposition of Polyhedra into Convex Pieces

We present the first exact and robust implementation of the 3D Minkowski sum of two non-convex polyhedra. Our implementation decomposes the two polyhedra into convex pieces, performs pairwise Minkowski sums on the convex pieces, and constructs their union. We achieve exactness and the handling of all degeneracies by building upon 3D Nef polyhedra as provided by Cgal. The implementation also supports open and closed polyhedra. This allows the handling of degenerate scenarios like the tight passage problem in robot motion planning. The bottleneck of our approach is the union step. We address efficiency by optimizing this step by two means: we implement an efficient decomposition that yields a small number of convex pieces, and develop, test and optimize multiple strategies for uniting the partial sums by consecutive binary union operations. The decomposition that we implemented as part of the Minkowski sum is interesting in its own right. It is the first robust implementation of a decomposition of polyhedra into convex pieces that yields at most O(r ²) pieces, where r is the number of edges whose adjacent facets comprise an angle of more than 180 degrees with respect to the interior of the polyhedron. This work was partially supported by the Netherlands’ Organisation for Scientific Research (NWO) under project no. 639.023.301.     

基于几何推理的装配序列自动规划研究

文章以问题规约的求解策略,以分解法规划产生的装配序列,提出与或图表达装配体拆卸序列解空间。通过求解拆卸序列与或图的解空间得到装配体的拆卸序列,将拆卸序列反向得到装配序列。为降低装配体拓扑联接图的复杂度,对作业组件做出识别。另外提出了判断零件拆卸性的三个条件,大部分零件无需进行干涉检验,而白逻辑推理即可判断是否满足拆卸条件,避免了多次试凑,具有更高的求解效率,可更广泛地用于装配序列求解。     

Decomposition of the supervisory control problem for Petri netsunder preservation of maximal permissiveness

Decomposing the design of supervisory control laws for Petri nets is an efficient way to tackle its complexity. We consider legal sets which are the union of two sets. In general, this can make the control law obtained via decomposition too restrictive, i.e., it disables more transitions than necessary. Generalizing existing results, we give structural conditions under which the control law via decomposition is maximally permissive     

基于行列联合选择矩阵分解的偏好特征提取*

针对奇异值分解(SVD)分析偏好特征不够准确,有时出现不可解释的情况,文中提出利用行列联合选择(CUR)矩阵分解方法获取原始矩阵M(用户对产品的偏好)的低秩近似,提取用户和产品的潜在偏好.首先计算M中行和列的统计影响力得分,并抽取得分较高的若干列和若干行构成低维矩阵C和R,然后由M、C、R近似构造矩阵U,将高维空间中的偏好特征提取问题转化为低维空间中的矩阵分析问题,使其具有较好的可解释性和准确性.最后,通过理论分析和实验发现,与传统分解方法相比,CUR矩阵分解方法在偏好特征提取方面具有更高的准确度、更好的可解释性及更高的压缩率.     

LQ control for constrained continuous-time systems

A design method of LQ optimal control law is considered for constrained continuous-time systems. By introducing singular value decomposition for finite-time horizon linear systems, the sequence of LQ sub-optimal control laws, which converges to the exact solution, is obtained based on quadratic programming. It is also shown that the nonlinear sub-optimal feedback gain is found by the union of affine state functions.     

ACUN理论一般合一化问题的合一化算法

ACUN理论是异或算子代数性质的刻画.基于联合理论合一化问题的优化分解算法和高斯消元法,本文给出了ACUN理论一般合一化问题的合一化算法     

Fast cell-based decomposition and applications to solid modeling

As opposed to constructing a complex solid model by adding simple primitives, maximal volume decomposition is the method to decompose a solid model into simpler volumes whose union is the solid model itself. A maximal volume of a solid model is the large and simple volume that does not have a concave edge and that is not contained by any other such volume. In spite of the usefulness in solid modeling such as recognition of intersecting machining features, the scalability of the method has been a problem for practical applications. The two issues in the problem—the global effect of face extension and the heavy computational load for cell collection—should be addressed. In this paper, a volume decomposition method that handles these two issues effectively is presented. This method called fast volume decomposition decomposes a solid model significantly fast with the localized face extension and the cell collection using the seed cell.