论文部分内容阅读
区别于连续变量的动态系统,离散事件动态系统特有的离散特性使得无法使用连续变量动态系统成熟的研究方法来进行研究,Petri网是研究离散事件动态系统的有力工具之一。通过对系统建模我们可以分析系统的内在性质和运行性能,可以设计符合实际要求并性能优越的系统,也可以针对现有系统进行改进提供理论支持,指导人们进行生产。本文对Petri网及其扩展模型进行了较为深入的研究,并通过实例对相关研究成果进行了分析,验证了该理论成果对实际生产的指导价值。本文取得的具体成果如下:第一,阐述了Petri网的基本概念、基本性质和分析方法,重点介绍了模糊Petri网及其人工神经网络化的相关思想和详细定义,指出了它们在离散事件动态系统建模研究中的优势。第二,着重研究了模糊Petri网进行推理时其一般性形式化表示和相关算法的优化。通过提出了一般性模糊产生式规则表示,用矩阵的形式描述了优化的算法。经实例验证,该方法在故障检测应用上简单方便,其并行的计算特点能很快找到系统故障所在。该研究成果不仅对故障的诊断有效,还可以应用在其它基于模糊Petri网的离散事件动态系统的建模和分析。第三,在模糊Petri网中引人工神经网络理论。神经网络的引入将使得模糊Petri网能够获得人工神经网络的学习能力,通过网络训练便能在比较短的时间收敛到目标误差容许的范围。本文分别介绍了两种模型,并进行了相关研究和实验,实验结果达到预期目标。另外通过模糊神经Petri网还可以对系统的状态进行预测,根据预测结果采取适当的处理措施。最后,提出了赋时Petri网的周期优化的思想,采用极小-极大代数法构造其函数关系然后再运用动态规划法的方法来优化循环周期。综合前面的研究成果,阐述了基于模糊神经Petri网的离散事件动态系统的建模步骤和分析方法。针对物流系统中的企业物流自动化仓库系统,采用该步骤讨论详细的建模过程并给出了建模结果,在一定程度上验证了基于模糊神经Petri网建模的优势。以上成果对离散事件动态系统的建模和性能优化在生产实践中有明显的指导意义。