基于Petri网的自校正模型

在增加Petri网标识的冗余度基础上，通过构造监督矩阵和冗余矩阵，提出了具有自校正能力的Petri网模型；给出了Petri网有效的递推寻错法，该方法不仅能够检测和纠正Petri网中出现的故障，而且可以给出实际对象网络中与故障相关的进程；利用不间断电源的Petri网模型验证了递推寻错法的正确性以及在实际应用中的可行性．     

基于知识的工件物流系统调度模型构造与实现

将Petri网与专家系统相结合，采用面向对象的方法，建立了工件物流系统模型．文中还介绍了基于模型的各种策略实现方法并开发了相应的软件，最后给出了仿真实验．仿真实验结果表明，该模型结构简单，且建模方法容易实现专家系统与Petri网相结合，容易实现调度策略的柔性化和专家系统基于知识的分析咨询功能．     

基于流体随机Petri网的工作流响应时间计算

提出了一个基于流体随机Petri网的工作流响应时间评价方法，该方法的主要优点是工作流任务的处理时间可取任意的概率分布，因此与已有的方法相比具有更高的准确性．以工作流的随机工作流网模型为起点，首先讨论了利用随机工作流网建模需解决的诸如时间变迁冲突等相关问题，举例说明了如何将随机工作流网模型转化为流体随机Petri网模型，最后给出了该种流体随机Petri网模型的稳态方程，说明工作流的平均响应时间可由对流体随机Petri网模型稳态方程的求解得到．另外指出了目前应用该方法存在的困难及将来可能的研究方向．     

基于Petri网的城市轨道交通系统运营可靠性模型

提出了一种可用于城市轨道交通系统（UMT）可靠性分析的Petri网模型（hierarchical object—oriented petri net，HOPN）．该模型将UMT分为多个对象类，各对象类的Petri网采用库所替换方法逐层嵌套细化，拼装后组成UMT可靠性分析模型．     

基于Petri网的应用软件开发及其关键技术

讨论了设计基于Petri网的应用软件中的几个关键技术及相应的解决方法,类似与中间件技术,将Petri网结构文件存储为XML也格式文件,系统能够导入和导出基于PNML(Petri Net Markup Language)交换格式的Petri网模型,并简要介绍了基于Petri网的多主体运行环境PNAE(Petri Nets based Agents Environment)．     

一种变结构Petri网模型及其应用

引入一种变结构有色Petri网模型及其相应的结构变化机制，阐述两种结构变化方式及其相应算法．一种是修正结构方法CBM（change—by—modification），一种是添加子网方法CBC（change—by—composition）．结合铁路车站信号联锁中的进路自动解锁建模，讨论了该模型的具体应用。     

基于一阶流体随机Petri网的回报建模

从回报机制与回报变量的定义、回报模型的建立等方面提出了基于一阶流体随机Petri网的回报模型的一般性建模方法．该方法既可用于建模马尔科夫随机系统，也可用于建模非马尔科夫随机系统．在一阶流体随机Petri网回报模型中，可建模率回报和冲量回报，并可允许累积回报影响被建模系统的动态行为以及回报率本身．     

Petri网及其空调系统建模应用

首先介绍了Petri网的定义、性质以及几种重要的扩展形式的Petri网,然后以空调管理系统中混合箱的模型为例来说明Petri网在系统建模中的应用,该模型经仿真验证结构合理,且对于进一步研究空调系统的Petri网模型具有重要的意义．     

基于Petri网的分层半导体制造过程调度结构

针对复杂的半导体制造过程调度，在综述现有调度问题及方法的基础上，提出由投料调度、路径调度和两种类型的工件调度共同组成的分层调度结构的思想及方案，继而基于Petri订网模型，探讨所提出的分层半导体调度结构基于Petri网模型的实现方法，最后通过仿真对分层调度结构加以应用验证，并总结全文．     

基于广义随机Petri网的MVB网络吞吐性能分析

基于Petri网模型的建模分析方法,对多功能车辆总线网络的吞吐性能进行了分析.首先建立了MVB网络的广义随机Petri网(GSPN)模型,并逐步压缩和简化以便于分析.之后在随机离散有穷状态马尔可夫过程理论基础上,对该模型进行分析计算.同时采用了随机Petri网计算机辅助分析软件TimeNET建立模型和仿真.给出了MVB网络单纯过程数据的报文吞吐量,有效数据传输能力和带宽利用率等性能参数.结论指出广义随机Petri网是对网络协议进行分析的有效工具.     

Petri网在电信管理网可信性建模中的应用

介绍了ＴＭＮ（电信管理网）可信性建模的一种新的方法———Ｐｅｔｒｉ网。首先简要介绍了Ｐｅｔｒｉ网的基本概念和Ｐｅｔｒｉ网的特性分析,然后描述了用Ｐｅｔｒｉ网进行建模的一般方法并举例说明了它在ＴＭＮ可信性建模中的应用。最后还介绍了一种自动生成可信性Ｐｅｔｒｉ网模型的方法。     

用神经网络解多元非线性方程组

给出前人人工神经网络逼近性理论，得到用人工神经网络可逼近任意给定的连续函数，并通过计算机对一些非线性函数进行模拟，模拟结果表明这种方法的可行性．给出用人工神经网络解多元非线性方程组的原理     

应用人工神经网络的无功／电压控制新方法

本文利用人工神经网络中的HOPFIELD连续模型(HNN)来求解电力系统中的无功优化问题,对HNN模型作了改进,使其能够处理等式约束和不等式约束,从而使得HNN模型可以应用于求解非线性规划问题。在算法上,和传统的无功优化方法不同,本方法不区分状态变量和控制变量,只以节点电压作为DNN模型能量函数中的自变量。该方法开发了HNN神经网权值矩阵的稀疏性。通过对雅可比矩阵的修正,引入了变压器变比的变化。另外,本文还从理论上分析了HNN模型的能量的性质,探讨了一种修正HNN模型能量函数中参数的方法,从而保证了解的可行性。最后,通过两机系统,IEEE-6节点,IEEE-30节点系统的测试,验证了这两种模型的正确性。     

一种新的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。     

混凝土三轴循环本构关系的神经网络模拟

利用BP神经网络的模拟能力代替传统的力学方法，对混凝土材料的循环本构关系进行了模拟研究．首先回顾了此类模型的研究进展和构造方法。然后直接从试验数据出发，建立了混凝土三轴受压循环比例加栽条件下的本构模型．试验结果和模拟结果的比较说明，该模型具有较高的精度和良好的泛化能力．本研究结果进一步说明神经网络模型适合于描述多影响因素的非线性复杂因果规律，为研究材料本构特性提供了一条新的途径．     

FPGA组合逻辑程序的Petri网建模方法

针对现场可编程门阵列(FPGA)组合逻辑程序,提出其普通Petri网建模方法.首先,将状态变量描述为库所对,程序中的逻辑运算描述为变迁,从而将系统程序转换为一个普通Petri网结构;然后,根据Petri网的动态分析性能,给出系统状态可达图的计算方法,实现了状态可达图等价描述FPGA组合逻辑系统运行过程.研究结果表明:该Petri网能够准确地描述变量间的逻辑关系,提出的方法可以为FPGA组合逻辑程序的形式化设计和验证提供建模依据.     

基于模糊Petri网的误用入侵检测方法

提出了基于模糊Petri网的误用入侵检测方法,并将类似于神经网络的学习引入模糊Petri网,以调整攻击知识模型参数. 理论分析表明,基于模糊Petri网的误用入侵检测系统具有更高的推理效率,能从环境中动态学习调整知识模型的相关参数,如阈值、权值、确信度. 仿真结果表明,在大多数情况下,学习调整后的知识模型能够提高误用检测系统的检测率.     

任务分解的Petri网方法及有效性研究

任务的分解是实现多主体系统的关键,运用形式化的方法对任务分解进行描述和验证是十分必要的。对于一般的任务逻辑分解表达式,利用Petri网对任务的分解进行建模,得到任务分解Petri网,进而通过剔除不合理的任务分解结构得到任务有效分解的Petri网系统。通过检查任务有效分解的Petri网的存在与否,可以判断任务的分解结构是否有效。另外,对于任意一个有限的P/T网系统,给出了判断是否存在无效任务分解的充分条件,从而论证了在任务有效分解的Petri网系统中只存在一级活变迁。将任务分解的有效性判断与Petri网活性分析联系起来,实现了多主体系统的一个亟待解决的基础性问题。     

Petri网-VHDL编译程序的构造

Petri网适合于异步并发系统建模,将Petri网转换成硬件描述语言,就可以通过EDA工具来实现Petri网控制器．文中给出了Petri网-VHDL编译程序的构造方法．使用CONPAR语言对Petri网进行描述,获得Petri网的CONPAR格式文本文件;由编译软件FLEX生成的词法分析程序产生相应的单词,并将单词传给BYACC程序;再由BYACC程序识别出这些单词,并以自底向上的方式进行归约,形成一棵抽象语法树;最后,自顶向下遍历这棵抽象语法树,将Petri网的CONPAR格式文本转换为VHDL代码．文中给出了一个实例,将编译获得的VHDL代码,通过EDA软件工具MAX PLUSⅡ编译、仿真、综合并下载到系统可编程器件中,仿真波形和试验结果都证明了这个编译程序的正确性．     

人工神经网络研究现状及其展望

回顾了神经网络理论发展的历史和现状。在此基础上，介绍并讨论了20世纪90年代神经网络研究的一些新进展。根据神经网络研究的特点，对人工神经网络今后的发展前景作了一定的评述，人工神经网络的研究与发展必将对现代科学技术产生深远的影响．