一种面向对象模糊Petri网建模方法的研究*

针对一些复杂知识系统的知识不确定性及知识规则数量多的特点,在模糊Petri网（FPN）的基础上给出了面向对象模糊Petri网（object-oriented fuzzy Petri net, OOFPN）的形式化定义及其知识表示和知识推理。通过面向对象技术,可以采用模块化方法设计知识系统,将复杂知识系统划分为许多功能子系统,从而降低构建知识系统的复杂性,方便知识系统的优化和管理。     

采用差分进化算法优化模糊Petri网参数

如何有效地确定模糊Petri网（FPN）的各项参数、摆脱自学习能力差的缺点,一直是悬而未决的问题。针对此问题,将差分进化算法首次引入到FPN参数优化中,根据FPN的实际特征,提出了一种改进的差分进化算法。算法采用混沌策略产生初始种群,融合自适应变异因子及早熟惩罚策略提高种群多样性,同时保证很强的收敛性与全局性。仿真实验表明,将改进的差分进化算法与传统算法相比较,收敛到理想参数值的速度提高了5倍。     

模糊Petri网与遗传算法相结合的优化策略

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,一直是尚未解决的难题。文中首次将遗传算法引入到模糊Petri网的参数寻优过程,提出了一种基于遗传算法的参数寻优算法,该算法实现不依赖于经验数据,对初始输入无严格要求。仿真实例表明,由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应功能。     

蚁群算法在模糊Petri网参数优化中的应用研究

如何确定模糊产生式规则的各项参数对模糊Petri网的建立意义重大。把蚁群算法中的最大 最小系统引入到模糊Petri网的参数寻优过程，提出一种基于线程实现技术的参数优化算法。该算法实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，经蚁群线程优化算法训练出的参数正确率较高，且所得的模糊Petri网具有较强的泛化能力和自适应功能。     

基于双枝模糊逻辑和模糊着色Petri网的攻击模型

定义了一种基于双枝模糊逻辑和模糊着色Petri网的网络攻击模型, 从对攻击起促进和抑制作用这两方面对网络攻击进行综合考虑与分析, 同时对模糊规则库中的不同变量用不同的颜色来区分, 因此可构成一个简明的BBFCPN模型。在此基础上, 给出了BBFCPN模型的基本推理规则和推理算法。针对攻击实例的分析进一步验证了提出的模型及相关推理算法。     

克隆选择算法在优化模糊Petri网参数中的应用

如何确定模糊产生式规则的各项参数对模糊Petri网的建立具有重要意义,但一直是尚未解决的难题。首次把克隆选择算法引入到模糊Petri网的参数寻优过程,提出一种基于线程实现技术的参数优化算法,该算法实现不依赖于经验数据,对初始输入无严格要求。仿真实例表明,经克隆选择线程优化算法训练出的参数正确率较高,且所得的模糊Petri网具有较强的泛化能力和自适应功能。     

一种新的基于直觉模糊Petri网的模糊推理算法

基于模糊Petri网的推理机制研究是模糊Petri网领域的热点问题之一。在基于直觉模糊Petri网模型框架下的推理过程中引入库所重排策略及可激活变迁判断公式,提出一种新的基于直觉模糊Petri网的模糊推理算法。通过与已有文献的推理算法的对比分析,在得到同样精确结果的前提下,本算法能够有效地简化推理过程,节省推理时间,降低算法的时间复杂度。     

层次结构的Petri网

Petri网是一个很好地描述与分析并行系统的模型。但在实际应用中,如果系统过大或较复杂时,会遇到结点数过多的问题。介绍了着色网和几种层次结构的Petri网,包括位置/转移精化网、对象网以及开放网等;分析和比较了这几种模型用以减少结点数和引入层次结构的方法,而且从结构上讨论了它们相互之间的关系。     

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。     

基于直觉模糊Petri网的加权直觉模糊推理

利用直觉模糊集合较好地表现不确定信息的能力和Petri网的并行处理能力,构建了直觉模糊Petri网模型。给出了输入权值、变迁阈值等多种约束条件下的直觉模糊推理算法。该算法将直觉模糊推理过程转化为矩阵的运算过程可充分利用直觉模糊Petri网的并行推理能力,有效地避免同一变迁不必要地重复激发从而节省推理时间。实例分析表明所给出的直觉模糊推理算法较已有算法更加合理并且高效。     

Fault diagnosis and cause analysis using fuzzy evidential reasoning approach and dynamic adaptive fuzzy Petri nets

Fault diagnosis is of great importance to all kinds of industries in the competitive global market today. However, as a promising fault diagnosis tool, fuzzy Petri nets (FPNs) still suffer a couple of deficiencies. First, traditional FPN-based fault diagnosis methods are insufficient to take into account incomplete and unknown information in diagnosis process. Second, most of the fault diagnosis methods using FPNs are only concerned with forward fault diagnosis, and no or less consider backward cause analysis. In this paper, we present a novel fault diagnosis and cause analysis (FDCA) model using fuzzy evidential reasoning (FER) approach and dynamic adaptive fuzzy Petri nets (DAFPNs) to address the problems mentioned above. The FER is employed to capture all types of abnormal event information which can be provided by experts, and processed by DAFPNs to identify the root causes and determine the consequences of the identified abnormal events. Finally, a practical fault diagnosis example is provided to demonstrate the feasibility and efficacy of the proposed model.     

FPN并行反向推理算法研究

通过对Petri网模型和专家系统推理方法的研究,建立了模糊Petri网（FPN）推理模型。在此基础上提出了专家系统的FPN反向推理算法。最后通过实例对算法进行了检验,结果表明该算法具有解决复杂问题专家系统的并行推理能力,推理效率高,推理过程简单,容易实现。     

一种模糊Petri网参数优化的有效算法

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。仿真实验的结果表明,新算法无需依赖经验数据,有效找到模糊Petri网的理想参数,从而提高了模糊Petri网对知识的分析和推理能力。     

用双枝模糊逻辑和模糊Petri网构建的攻击模型

以双枝模糊逻辑和模糊Petri网（Fuzzy Petri net,FPN）理论为基础,定义了一种全新的网络攻击模型BBFLPAN,将网络攻击中对攻击起促进与抑制作用的两方面进行综合考虑与分析,用变迁表示攻击、防御行为的产生发展过程,库所表示系统所处的状态,将网络攻击与防御行为和攻击与防御结果进行了区分,直观地表示网络攻击的演变情况。同时结合双枝模糊逻辑,分析了BBFLPAN模型的基本推理规则,并提出了BBFLPAN的推理算法,并通过实验验证了算法的正确性。将对网络攻击实施起正反两方面的因素一起考虑和分析,使其对网络攻击的描述更加切近实际情况。     

自主式追踪机器人终端行为的Petri网建模*

针对含有资源流动和信息交互的终端行为建模问题,提出了一种混合Petri网行为建模方法。首先,引入活性变迁和惰性变迁两种变迁模式,描述终端行为的耦合、制约、异步关系。其次,建立混合Petri网模型,揭示化学羽流追踪终端各行为之间的交互关系,以Robotics模块为验证与分析工具,仿真机器人终端运动过程,同时获得6个关节角度变化的平稳曲线。最后,在六自由度串联机器人平台加以验证。实验结果表明,该混合Petri网模型客观真实地表达对象内部逻辑关系与交互作用机制,对自主式羽流追踪机器人终端行为建模是有效可行的。     

基于双枝模糊决策与模糊Petri网的攻击模型研究

以双枝模糊决策和模糊Petri网(FPN)理论为基础，定义了一种全新的网络攻击模型BBFPAN。将网络攻击中对攻击起促进与抑制作用的两方面进行综合考虑与分析，用变迁表示攻击、防御行为的产生发展过程，库所表示系统所处的状态，从而区分了攻击行为和攻击结果，直观地表示网络攻击的演变情况。同时将变迁输入库所集所对应的因素作为决策影响因素，而将变迁作为一个决策，通过双枝模糊决策分析来判断输出库所集中库所的属性。在双枝模糊决策分析基础上，结合一种不确定推理方法，提出了BBFPAN的推理算法，并通过实验验证了算法的正确性。将对网络攻击实施起正反两方面的因素一起考虑和分析，对网络攻击的描述更加切近实际情况。     

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。     

应用带标识的模糊Petri网的知识表示方法

提出一种在某些库所中带有标识的模糊Petri网模型来进行知识表示。为了获得更多的加权模糊产生式规则的信息,在知识表示的过程中考虑了权值,确定性因子,阈值等参数。这种模糊Petri网充分利用了Petri网的并行处理能力。随着带标识的模糊Petri网的运行,网中标识的变化可以标记加权模糊推理的运行。通过文中给出的基于相似性测度的计算方法可以更加高效地计算出多层加权模糊推理的推理结果。     

A knowledge-based inference multicast protocol using adaptive fuzzy Petri nets

Multicast routing protocols need a new path discovery algorithm for a newly joining node (receiver) in an ad hoc network. One issue of the approach to find the nearest forwarding node for a new node is that it may increase the distance between the source node and the new members, which results in an increase in latency time and packet loss, as compared with the shortest path algorithms. This issue is important in a high collision network. In this paper, we propose a knowledge-based inference approach for a new path discovery for multicasting. A fuzzy Petri net agent, which is a special expert system, is introduced at each node to learn and to adjust itself to fit the dynamic conditions in a multicast ad hoc network. The simulation results show that the proposed approach is up to 67.17% more efficient in the packet delivery ratio as compared with a bandwidth effective multicast routing protocol.     

装配可靠性的模糊广义随机Petri网建模与分析

针对一般广义随机Petri网模型精度低的问题,将模糊数引入到广义随机Petri网,提出模糊广义随机Petri网的概念.结合模糊数包含信息多的优点,利用模糊广义随机Petri网对装配过程进行建模,通过同构的Markov链对模型进行定量分析.用模糊广义随机Petri网模型计算得到的装配可靠度与一般广义随机Petri网模型的装配可靠度进行分析比较,结果表明了模糊广义随机Petri网模型的精度更高.以数控磨床砂轮架为例,证明了上述方法的有效性.