基于Petri网的电力系统监控数据多点校核方法

由于人为误操作和数据库系统异步因素,电力系统监控数据存在错误风险,需要对监控数据进行多点校核来保障其一致性和正确性,可靠的监控数据保证电力系统的安全运转;然而多点校核业务流复杂且对数据精度要求高,目前的人工校核方法不仅成本高,且精度和效率低,不能保证整个监控数据的实时校核工作;为自动化监控数据多点校核过程,需要对整个业务流建模,针对该问题,提出一种基于Petri网的监控数据多点校核动态建模方法;首先将监控系统的校核业务背景形式化Petri网中的具有不同约束的节点;然后使用工作流Petri方法对校核的业务流程进行形式化定义、并将该业务流程用Petri网建模成为网状模型;最后,针对该模型提出一种化简技术对其进行化简,并证实该化简方法的有效性和该模型能拟合监控数据多点校核的整个流程。     

面向自动测试的集成电路制造装备测试模型

对于典型的集成电路制造装备,提出了一种面向自动测试系统的多层次测试模型;使用层次化建模方法进行建模,将典型集成电路制造装备的测试模型按层次划分为装备级、子系统级和仪器级;利用XML建立了模块化的测试模型的描述,并使用引用的方式实现测试模型的重用;提出了使用时间信息和GUID确定被引用测试模型可用性的算法;该模型被用于具有工艺腔室的典型集成电路制造装备中,提高了测试模型的重用性,并拓展了对不同层次被测对象的测试能力。     

民航大涵道比涡扇发动机总体性能参数敏感性分析

由于人为误操作和数据库系统异步因素,电力系统监控数据存在错误风险,需要对监控数据进行多点校核来保障其一致性和正确性,可靠的监控数据保证电力系统的安全运转。然而多点校核业务流复杂且对数据精度要求高,目前的人工校核方法不仅成本高,且精度和效率低,不能保证整个监控数据的实时校核工作。为自动化监控数据多点校核过程,需要对整个业务流建模,针对该问题,提出一种基于Petri网的监控数据多点校核动态建模方法。首先将监控系统的校核业务背景形式化Petri网中的具有不同约束的节点;然后使用工作流Petri方法对校核的业务流程进行形式化定义、并将该业务流程用Petri网建模成为网状模型;最后,针对该模型提出一种化简技术对其进行化简,并证实该化简方法的有效性和该模型能拟合监控数据多点校核的整个流程。     

容错实时任务调度的DSPN建模与分析

复杂系统的形式化描述对新系统的设计以及现有系统的改进与评价都具有十分重要的作用。针对处理机系统容错实时混合任务调度,提出采用确定与随机Petri网(Deterministic and Stochastic Petri Net, DSPN)进行建模与性能分析。首先,根据任务执行的优先级、周期性、容错性和实时性,将任务分为四类;然后,采用DSPN对任务调度执行过程,不同优先级任务抢占式调度,处理机故障及故障恢复过程进行建模,由此构成处理机系统容错实时任务调度过程的DSPN模型;最后,仿真实验结果表明,在负载相同情况下,处理机利用率基本相同,且具有容错的实时任务调度算法可以有效地降低任务错失率。容错实时任务调度DSPN模型可以为复杂任务调度系统的Petri网建模与分析奠定了基础,并为实际工程应用提供了理论指导。     

基于时间Petri网的综合航电系统时序验证分析

综合航电系统是一种对可靠性、实时性要求非常高的嵌入式应用系统。为了解决针对复杂应用场景下综合航电系统的处理时间和工作时序预估较困难、且计算自动化程度不高等测试验证问题,提出了一种基于时间约束Petri网的综合航电系统时序验证和分析方法。给出了时间约束Petri网的形式化定义,分析了综合航电系统工作流程中各节点的时间属性,通过引入时序约束路径的概念,并提出了时序推理算法。通过在仿真算例中进行计算并对比实际运行数据,结果表明该方法在针对综合航电系统运行时序的验证分析方面具有有效性。     

基于排队PETRI网的云系统评估模型和方法

针对云系统规模庞大、构成复杂、动态性突出、层次关联性强而难于建模评估的问题,提出一种基于排队Petri网的云系统评估模型QPNC;QPNC结合了排队论和Petri网理论特点,模型具备较强的定量评价和行为描述能力,能够很好地对复杂云系统进行有效建模和模拟;基于上述模型,进一步提出并完善云系统的定量分析、评估体系,仿真并模拟了大规模并行环境下云系统的动态服务效果;实验结果表明,QPNC能够有效反映出各种云系统架构在性能和服务等方面特征,对云系统的各种动态服务行为具有很高的仿真度,为设计构建更加高效、更具针对性的云系统提供了定量分析支持和理论依据。     

基于有色Petri网的机械系统故障诊断研究

故障诊断对于机械系统的使用与维护起着重要的作用;为了提高机械系统故障诊断的效率以及直观性,提出了一种使用基于知识的故障诊断方法,即使用有色Petri网诊断方法建立一种通用机械系统故障诊断模型并进行分析。针对数控机床液压元件故障这一案例,首先获取其故障来源建立故障树;其次在故障树基础上运用有色Petri网建模工具CPNTools建立有色Petri网模型;最后对模型进行了仿真分析以模拟故障的传递,进行状态空间分析以判断模型安全性,结果表明所提出的建模方法能够使得故障传递更加直观化,快速了解故障的发展趋势,并表明此模型有着较强的易用性以及通用性。     

基于位置不变量的混和Petri网的分解

系统越是复杂，建立模型越是困难，而且要求模型的功能越强。由于实际混合系统的规模较大，在分析混合系统的性能时，会遇到维数灾难和计算复杂性问题；因此，采用分解的方法已成为一种不可避免的趋势。尽管Petri网理论具有很多的优点，作为一个高阶的模型语言，它仍然需要继续丰富和发展；研究混合petri网的分解方法，以便对复杂大系统很好地建模。     

基于Petri网和故障树的电力系统故障诊断模型

电力系统元件发生故障后,继电保护动作发出信号使相连的断路器断开,有效地保护了元件,但是也为故障的诊断增添了困难。本文针对带有主保护和后备保护的电力系统故障诊断建模困难复杂等问题,提出用故障树分析法对核心故障建模,并将故障树模型转换为对应的Petri网模型,运用Petri网的状态转移方程进行矩阵运算,不仅清晰的表示了故障的发生和形成,也能快速准确的诊断出故障发生元件,降低诊断的复杂性。实例分析说明了该方法准确性和有效性。     

模糊Petri网在车电系统总线故障诊断中的应用

针对车电系统总线故障现象和故障原因之间存在复杂模糊关系而无法实现快速故障诊断这一难题,提出采用模糊Petri网(fuzzy petri net,FPN)建立车电系统总线的故障诊断分析模型,并给出了相应的形式化推理算法;以某型车电系统总线为例,分析比较了各种故障原因的可信度;分析表明:所建模型有效地描述了车电系统总线故障现象和故障原因之间的模糊关系,能够实现故障的快速诊断,该模型可以作为车电系统总线快速故障诊断的理论支持工具。     

基于Petri网与萤火虫算法的任务分配可视化建模

为了解决民用飞机故障诊断中任务分配问题,提出了使用新型离散萤火虫算法对任务分配问题进行研究,并在此基础上,使用Petri网进行可视化建模与仿真。新型的萤火虫算法离散方法,使得原本应用于连续问题的萤火虫算法适用于任务分配问题,这样使Petri网建模的复杂性降低,更利于建模。最后,对一实例进行分析并进行可视化建模与仿真,动态的仿真过程及最终结果验证了模型的可行性及算法的正确性。因此,使用该方法可有效地降低建模的复杂性,提高任务分配的效率,同时能够应用于协同可视化诊断平台中的任务分配模块。     

动态Web服务组合的选择策略

为了提高光网络资源的利用率,提出一种基于Petri网的Web服务组合最优化选择的方法.根据用户需求使用Petri网对服务组合之间的数据依赖关系建模,利用Petri网的T-不变量得到各种可能组合方案,并对于每种组合方案使用广义随机Petri网分析其性能.实验结果表明：该方法充分利用Petri网善于描述、分析、评价分布式系统的优点,得到性能最优的基于光网络资源的服务组合方案.     

基于有色Petri网的工作流故障诊断方法

工作流系统的故障自动诊断和定位是云计算环境提供持续服务的基础。为了提高工作流系统的故障诊断准确性,本文提出了一种基于有色Petri网的故障诊断方法。首先,用开放世系模型对工作流进行建模。然后,提出了一种基于有色Petri网的故障模型。最后,将工作流的开放世系模型转化为有色Petri网故障模型,并提出了相应的多故障诊断方法。实验表明,本文提出的方法不仅故障定位的准确率和执行效率高于相关算法,还能有效的识别系统中的多个故障。     

基于综合监控的设备状态修方案研究

随着工业控制领域的不断发展,综合监控系统已经日趋成熟并于工业现场运行较长时间。而基于综合监控系统获取的大量历史数据的分析和实时数据的使用并没有开展深入的探讨。本方案提出了一种基于综合监控系统的状态修方案,把综合监控系统的历史数据经过一定的清洗,建模导入到大数据平台,通过相应的算法分析,从而改善维修决策模型并建立设备评价体系;把实时数据实时的传递到设备状态页面,减轻了传统巡检工作,保证了设备检查效果;把设备报警数据通过分类,分项,直接派生检修工单,实现了设备维修的自动化。     

Action detection by double hierarchical multi-structure space–time statistical matching model

Aimed at the complex information in videos and low detection efficiency, an actions detection model based on neighboring Gaussian structure and 3D LARK features is put forward. We exploit a double hierarchical multi-structure space–time statistical matching model (DMSM) in temporal action localization. First, a neighboring Gaussian structure is presented to describe the multi-scale structural relationship. Then, a space–time statistical matching method is proposed to achieve two similarity matrices on both large and small scales, which combines double hierarchical structural constraints in model by both the neighboring Gaussian structure and the 3D LARK local structure. Finally, the double hierarchical similarity is fused and analyzed to detect actions. Besides, the multi-scale composite template extends the model application into multi-view. Experimental results of DMSM on the complex visual tracker benchmark data sets and THUMOS 2014 data sets show the promising performance. Compared with other state-of-the-art algorithm, DMSM achieves superior performances.     

动态背景下基于光流场分析的运动目标检测算法

针对现有动态背景下运动目标检测算法的不足,提出一种基于光流场分析的运动目标检测算法.首先根据前背景在光流梯度幅值和光流矢量方向上的差异确定目标的大致边界,然后通过点在多边形内部原理获得边界内部的稀疏像素点,最后以超像素为节点,利用混合高斯模型拟合的表观信息和超像素的时空邻域关系构建马尔可夫随机场模型的能量函数,并通过使目标函数能量最小化得到最终的运动目标检测结果.该算法不需要任何先验假设,能够同时处理动态背景和静态背景两种情况.多组实验结果表明,本文算法在检测的准确性和处理速度上均优于现有算法.     

基于遗传神经网络的伺服机构健康状态预测

为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型。利用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解。将该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较。结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。