学习环境模糊Petri网多变量输出模型与计算

在模糊Petri网(FPN)学习方法研究中,目前多集中研究FPN单输出学习模型,而鲜有对多输出模型进行深入细致的研究,使模型的应用受到一定的限制。此外,学习模型中的前向计算多采用模糊token相乘的方法,随着规则系统的规模和复杂性的增加,会使输出token值过小,结果偏差较大。为解决上述问题,本文尝试建立FPN多输出模型,并提出学习模型的一种前向计算方法。该方法与模糊token相乘方法的不同之处在于学习模型的前向输出采用取小算子,旨在减小系统的学习偏差,为FPN多输出模型的学习提供方法支持。

模糊Petri网的约简技术

该文作为Petri网系统的推广,模糊Petri网可以更有效地处理带有模糊信息的库所和变迁。首先通过库所变迁串联、变迁并联及库所并联等模式下的简化规则,约简模糊Petri网系统而不改变其动态行为。接着,给出按上述规则简化一个模糊Petri网故障诊断算例。

模糊Petri网的发展

模糊Petri网是Petri网与知识表达的结合,是从Petri网基础上扩展而来的。对模糊Petri网的一些发展状况作了概括。总结了模糊Petri网基本理论和近期的理论进展;指出了各种应用的发展热点和难点;指出模糊Petri网的研究方向、研究方法和它在各领域当中的应用;最后对模糊Petri网的未来发展作了总结。

模糊Petri网的合成运算

模糊Petri网是Petri网的一个重要方向,该文将Petri网的合成运算拓展到模糊Petri网系统,定义了模糊Petri网的共享合成和同步合成,并利用子网的关联矩阵构造出合成Petri网的关联矩阵,简捷方便地刻画了模糊Petri网的合成运算特点。

闭环模糊Petri网系统

该文提出了一种新型的模糊Petri网—闭环模糊Petri网系统,它形成了一个闭环动态系统,开拓了原有模糊Petri网的应用领域,能更好地应用于经济系统等相互联系、相互影响、相互制约的系统中。首先给出模糊Petri网的定义及其运行规则,并引入了一个灵敏度向量,来刻画各个库所对外界刺激的反应程度,然后用代数矩阵运算来对该模糊Petri网的动态运行过程进行形式化描述,同时可以得到系统运行过程的全部状态值,最后给出实例进一步进行解释说明。