基于Petri網(wǎng)的故障診斷技術(shù)研究及其在液壓系統(tǒng)中的應(yīng)用.pdf

1、本文對(duì)基于Petri網(wǎng)的故障診斷技術(shù)及其在液壓系統(tǒng)中的應(yīng)用進(jìn)行了研究。文章分析了合成模糊產(chǎn)生式規(guī)則的Petri網(wǎng)表示，給出了模糊Petri網(wǎng)的定義。在此基礎(chǔ)上，建立了故障診斷推理策略：基于圖形的反向推理方法和基于矩陣運(yùn)算的正向推理方法，前者采用故障概率信息實(shí)現(xiàn)沖突消解，算法以模糊AND-OR圖的形式顯示故障傳播的路徑及計(jì)算目標(biāo)命題的真值，主要用于元件級(jí)的離散診斷；后者完全采用矩陣運(yùn)算形式，配合極大代數(shù)算子，充分體現(xiàn)了模糊Petri網(wǎng)的并

2、行推理能力，使得故障診斷推理過(guò)程更加簡(jiǎn)單、快速和易于實(shí)現(xiàn)，主要用于診斷信息比較完備情況下的在線診斷。研究了加權(quán)模糊Petri網(wǎng)的學(xué)習(xí)能力。介紹了加權(quán)模糊產(chǎn)生式規(guī)則及其置信度的幾種推理方法，給出了加權(quán)模糊Petri網(wǎng)的定義及矩陣推理算法，為保證運(yùn)算符的一階求導(dǎo)連續(xù)，引入Sigmoid函數(shù)，建立了變遷發(fā)生連續(xù)函數(shù)和最大、最小運(yùn)算的連續(xù)函數(shù)；參照神經(jīng)網(wǎng)絡(luò)研究了其權(quán)值和閾值的學(xué)習(xí)算法，對(duì)于嚴(yán)格分層的WFPN模型，全面應(yīng)用反向?qū)W習(xí)算法，對(duì)于分層困