具有学习能力的FPN在航保系统易损性评估中的应用

基于Petri网模糊推理算法,引入改进粒子群优化算法,使其具有参数学习能力,摆脱系统中众多未知参数对专家和经验的依赖.以舰船航空保障系统为研究对象,建立了基于具有学习能力FPN(Fuzzy Petri net)的系统易损性评估模型,算例佐证了其学习效率及精度.与传统系统易损性评估方法的对比试验表明该评估模型的全面性和合理性,并可推广应用于复杂舰船系统易损性评估研究.     

基于CPN的CBTC地面数据通信系统仿真和分析

数据通信系统是影响CBTC系统的控制精度,效率和可靠性.安全性的主要因素.充分利用分层赋时有色Petri网(HCPN),综合CBTC系统的实际通信需求,建立了CBTC地面数据通信系统的分层模型,并在HCPN中引入消息的时间标志,实现对数据传输时间特性的分析.对模型进行实时仿真的结果表明基于以太网的DCS地面通信系统的实时性可以满足CBTC系统的需要,而且影响数据帧传输延迟的主要因素是数据帧长度,而与行车密度关系不大.     

基于GSPN方法的柔性制造系统过程模型和性能分析

应用广义随机Petri网方法,对柔性制造系统进行建模和分析,提出了控制策略和优化方法.针对柔性制造系统的离散性,对整个系统的过程模型进行分析.利用广义随机Petri网结合马尔可夫链的方法,确立了系统的配置参数,得出了系统的平均运行时间,机床的平均使用率,系统的生产率,故障概率,对系统的优化和生产效率的提高以及柔性的提高提供了理论支持.最后,通过柔性制造系统实例,对该方法进行了检验.     

基于Petri网和GASA的JSP动态分类调度研究

针对车间作业的加工受到机床、操作工人等双资源制约条件下出现多种扰动的JSP调度问题,提出了基于受控Petri网和GASA对不同扰动进行分类处理的新方法。首先通过构建带有控制器的Petri网模型使系统的运行满足期望的目标,然后基于该模型把遗传算法和模拟退火算法相结合,以最小化最大完工时间为目标,基于机床故障修复时间、工人离岗时间及取消订单包含任务的多少进行分类调度,然后根据扰动恢复后剩余任务的多少决定是否进行再次调度,避免大范围调整造成的生产不稳定状态,最大限度的维持车间的生产能力。最后通过实例验证了算法的有效性和可行性。     

协同数字化预装配系统中多Agent行为交互建模技术

针对网络协同预装配的特点,提出基于多Agent的协同数字化预装配系统体系结构,利用面向对象Petri网对组成系统的各智能Agent进行了行为建模,分析各Agent之间的通信关系。对所组建的系统Petri网进行死锁和冲突分析,在此基础上设计了Agent结构并开发了网络协同数字化预装配原型系统。     

一种节能的无线传感网异构配置模型

依据对实际传感信息分布与无线传感网络工程需求的分析,提出一种新的无线传感网异构配置模型(WSNHEDPM).对传感节点中的传感模块按需要进行组合,使其与感知物理特征量空间分布特征相适应,以减少信息冗余,降低无线传感节点的能量负担.对两种配置方法进行了配置成本、能量消耗与生存周期方面的理论和实验分析比较.理论和仿真实验表明,该模型使无线传感网在面向实际普通应用环境时更为能量有效和合理.     

基于嵌套网的对抗模拟模型

为了对多Agent系统中的交互流程、本体(Ontology)语言与通信协议的设计进行可视化的分析和优化,嵌套网(Nested Petri nets)作为建模工具被应用于多Agent系统。使用三层的嵌套网对基于多Agent的对抗模拟模型ISAAC(Irreducible Semi-Autonomous Adaptive Combat)进行层次化建模,其层次的划分为Agent的生存环境(战场)、Agent和Agent的内部推理机。通过实例充分说明了嵌套网表达多Agent系统的可行性与有效性,可以实现多层次、多角度的图形化多Agent系统,并探讨了复杂适应系统理论与嵌套网理论的适应性。     

基于UML&OPN的C4 ISR系统体系结构仿真验证研究

基于UML(uniform modeling language)和Petri网的不同特点,应用UML的不同视图来描述C4ISR系统体系结构的相关产品.根据产品之间的关联,把产品的UML视图转换为对象Petri网的仿真模型.通过系统动态行为仿真模型的执行,分析体系结构的时序关系、信息流关系和接口关系的合理性,验证系统功能是否满足需求,系统状态的变化是否正确,从而有效,合理地评估系统的性能.     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

基于信息熵的公交线网优化方案余弦排序

针对公交线网优化方案的排序问题,在对公交线网的优化目标和约束条件进行量化处理的基础上,利用余弦公式,建立了公交线网优化方案的余弦排序模型。 该模型在定义指标线段和理想指标线段的基础上,通过对决策方案与理想方案中指标线段和理想指标线段之间夹角余弦值的大小比较,得到公交线网优化的最佳决策方案。应用结果表明该模型能够较好地反映城市公交线网的实际情况,解决优化目标的权重分配问题,是一种很有效的公交线网优化方案排序方法。