基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

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。     

一种面向故障诊断的模糊Petri网

运用Petri网进行故障诊断推理时,常存在一种故障对应着多种原因的可能,推理结论不能区分并列原因间的相对可能性,且不能体现人工经验.针对这一问题,定义了一种面向故障诊断的模糊Petri网,运用基于状态方程的推理方法,将人工经验用模糊值表示并参与推理运算,以相应库所对应的模糊信息值来衡量库所对应事件的可信度,从而可以实现区分并列事件间的相对可能性.通过某控制系统故障诊断实例,验证了所定义的模糊Petri网和状态方程及其诊断算法的正确性和有效性.     

基于优化模糊Petri网的矿井提升机故障诊断

为提高矿井提升机故障诊断的准确率,提出了一种基于优化模糊Petri网的矿井提升机故障诊断新方法。该方法首先利用动量BP网络对模糊Petri网的权值、阈值和可信度参数进行优化,然后使用优化好的模糊Petri网模型对矿井提升机进行故障诊断。测试结果表明,该方法对参数优化收敛速度快,故障诊断结果正确率高,有一定的实用价值。     

模糊Petri网在FMS故障诊断中的应用研究

针对柔性制造系统（ＦＭＳ）故障诊断的特点，将模糊Ｐｅｔｒｉ网扩展为模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）．并应用于知识的表示中，讨论了ＦＭＳ系统、ＦＢＰＮ及产生式规则之间的对应关系，提出一种模糊反向推理机制，给出了利用ＦＢＰＮ进行知识表示和推理的实例．     

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。     

一种模糊Petri网参数优化的有效方法

本文根据模糊Petri网运行时连续性的特点,以蚁群算法为基础,提出了一种带交叉、变异因子的模糊Petri网参数值寻优的有效方法。该方法先用分层思想建立无环路的FPN模型,然后把它转化为类前向神经网络以确定输入—输出层关系,并将网络中各参数的值域均分为10等份,在图形中用10个城市来表示,再用蚁群算法进行路径的寻优,寻优后,在蚁群选定的值域上产生具体的分量解,最后由误差函数确定是否需要重新寻优。仿真程序实例表明经蚁群优化算法训练出的参数正确率较高,且不依赖于经验输入数据。     

基于优化模糊Petri网的矿用变压器故障诊断

针对用于矿井中有煤尘而无爆炸危险的地方、以油浸式为主的变压器,提出了一种基于优化模糊Petri网的矿用变压器故障诊断模型。根据故障征兆与故障之间的关系,利用模糊产生规则来建立故障诊断模型;利用Elman网络算法的自学习和自适应能力对模型初始参数进行优化处理,使模糊Petri网初始参数值的设置更加合理。Matlab仿真结果表明,优化模型和未优化模型的故障诊断准确率分别为87.88%和75.76%,验证了优化模型的有效性。     

基于扩展模糊时间Petri网的故障诊断

针对故障诊断中可能出现的故障原因漏判问题,提出一种基于扩展模糊时间Petri网的故障诊断算法。该算法通过检查模糊时间戳确定故障时刻所有故障原因的状态,结合正向和逆向推理最大程度地解决故障原因漏判问题,从而确定主要、次要和其他故障原因。燃气轮机的故障诊断实例验证了该算法的有效性。     

结合遗传算法优化模糊Petri网的参数

本文提出了应用遗传算法实现模糊Petri网参数优化的方法.仿真实验的结果表明,遗传算法能有效地找到模糊Petri网的理想参数,这提高了模糊Petri网对知识的分析、推理能力.     

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。     

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。     

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。     

基于有色Petri网的工作流故障诊断方法

工作流系统的故障自动诊断和定位是云计算环境提供持续服务的基础;为了提高工作流系统的故障诊断准确性,文章提出了一种基于有色Petri网的故障诊断方法;首先,用开放世系模型对工作流进行建模;然后,提出了一种基于有色Petri网的故障模型;最后,将工作流的开放世系模型转化为有色Petri网故障模型,并提出了相应的多故障诊断方法;实验表明,文章提出的方法不仅故障定位的准确率和执行效率高于相关算法,还能有效的识别系统中的多个故障.     

基于BP算法和Petri网的柔性制造系统故障诊断

针对传统Petri网难以精确描述故障发生的不确定性以及缺乏学习能力的缺点,将BP神经网络和加权模糊Petri网相结合,定义了一种新的能对故障进行诊断的模型——BPFPN网(A net based on BP and FPN),并提出了对BPFPN网故障诊断模型进行构造的算法,以及一种将BP神经网络算法应用于BPFPN网故障诊断模型实现对各种参数进行训练的方法;最后通过对实验参数为=5000,算法学习速率η=0.05,学习误差Δe=0.0002的柔性制造系统加工中心故障诊断实例进行实验,在对各种参数进行学习后,能够有效地实现对故障的诊断,证明了BPFPN网是一种有效的故障诊断方法。     

化工过程故障诊断的模糊概率Petri-net的研究

本文研究基于模糊与概率信息的模糊概率Petri-net故障的诊断方法，概率信息用来解决问题冲突，模糊信息用来解决故障诊断不确定性并计算诊断的可靠性。在石油化工装置中的应用表明，这种方法是行之有效的。     

基于着色Petri网的工作流模型研究

针对传统Petri网建模方法的不足,研究了通过资源结构建模的工作流建模方法.在着色Petri网的基础上提出资源/任务网(R/T-net),并给出基于R/T-net的工作流建模过程.R/T模型能够有效地实现产品数据结构和过程结构的统一,资源流对任务流的控制以及模型的仿真.     

Synthesis a Petri net based control model for a FMS cell

Petri nets have been recognised as a high level formal and graphical specification language for modelling, analysis, and control of concurrent asynchronous distributed systems. This paper presents a PN model, synthesised by an extended version of the knitting synthesis technique. This method, as an incremental design approach, establishes the conditions under which the fundamental behavioural properties of the synthesised systems are fulfilled and preserved. That is, the synthesised models are live, bounded, and reversible (cyclic). A Petri net with the aforementioned properties is called a well-behaved Petri net system which is guaranteed to operate in a deadlock-free, stable, and cyclic fashion. Well-behaved Petri net models, synthesised using the proposed method can be compiled into control codes and implemented as real-time controllers for flexible manufacturing systems. The significance of this paper is due to the application of an extended version of knitting synthesis technique to a real life example of a flexible manufacturing system.