模糊神经petri网模型优化及应用

《模糊神经petri网模型优化及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据分类号：TPl83密级：(秘密、机密、绝密)学校代码：10057研究生学号：11834013模糊神经Petri网模型优化及应用TheOptimizationandAppficationofFuzzyNeuralPetriNetsModel专业名称：计算机应用技术指导教师姓名：李孝忠教授研究生姓名：周艳军申请学位级别：工学硕士论文提交日期：2014年3月论文课题来源：国家自然科学基金学位授予单位：天津科技大学万方数据天津科技大学学位论文原创性声明IIlIHHIIllIHlllJIIIIIJIIJY2755

2、156本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究工作所取得的成果。除文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写的成果内容，也不包括为获得天津科技大学或其它教育机构的学位或证书而使用过的材料。对本文研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：懈日期：加I缈年Z月／D日知识产权和专利权保护声明本人郑重声明：所呈交的论文是本人在导师具体指导下并得到相关研究经费支持下完成的，其数据和研究成果归属于导师和作者本

3、人，知识产权单位属天津科技大学；所涉及的创造性发明的专利权及使用权完全归天津科技大学所有。本人保证毕业后，以本论文数据和资料发表论文或使用论文工作成果时署名第一单位仍然为天津科技大学。本人完全意识到本声明的法律后果由本人承担。作者签名：J日期：加f悔弓月fD日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，同意公布论文的全部或部分内容，允许论文被查阅和借阅。本人授权天津科技大学可以将本学位论文的全部或部分内容编入有关数据库

4、进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密Il(请在方框内打“v”)，在年解密后适用本授权书。本学位论文属于作者签名：导师签名：(请在方框内打“v”)。日期：z纠牛年弓月／o日日期：加哆年岁月万方数据摘要近年来，Petri网作为一种对离散、异步、并发、并行、非确定和随机等性质的信息处理系统建模分析效能超强的工具被越来越多的海内外专家学者广泛应用和研究。此外，模糊理论在表示不确定信息等方面体现出来的优势而倍受东方专家学者青睐。与此同时，神经网络因为其本身强大的非线性处理能力，一直以来众

5、多关注并且已经成功应用于计算机科学、神经科学以及经济学等领域中。模糊神经Petri网(FuzzyNeuralPetrinets，FNPN)是将Petri网建模分析处理能力与模糊表示相结合，而后融入神经网络自适应算法而提出的。FNPN汇聚了三个理论各自的优点，模型能够解决某些模型中模糊参数难以确定的难题，使模型更加真切地描述实际系统。但是，其学习能力还是取决于选取的学习算法，如果要获得好的模型需要选用学习收敛速度快、精确度高且震荡小的学习算法。综上所述，优化改进FNPN模型的算法对建立更加理想的模型具有较强的现实

6、意义。针对FNPN学习算法计算精度低、收敛性差及训练过程中网络震荡性较大的问题，本文提出一种优化的FNPN算法。本算法采用两种S型连续函数分别表示变迁使能及变迁点燃后的新标记值，并在传统参数修正公式的基础上考虑修正前的数值进而增加新型的动量项。本文证明了优化后的参数修正算法可以保证FNPN网络的收敛性。在改进算法的应用方面，本文将其应用在近来被广泛研究的故障诊断等系统当中，通过对专家系统和故障诊断系统建立相应的FNPN模型，利用改进前后的算法对模型进行计算，由数据统计图可以对比看出本算法在计算精度、算法效率以及

7、收敛性方面的效果均比传统算法好。关键词：Petri网；BP神经网络；模糊理论；模糊神经Petri网；故障诊断万方数据ABSTRACTInreceIltyears，PetrinetshasbeenwidelyusedandresearchedbysCholars，asas仃ongmodellngtoolforinformationprocessingsystem，whichhavecharact嘶sticsofdiscrete，aSyllc上1ronous，con㈣t，parallel，non-determini

8、sticandstochastic．Moreov瓯缸zzvtheory1smuchfavoredbyorientalscholarsasitsadvantageofuncertainiIlfomationrepresen切舡0n．Asthesametime，becauseofitsownstrongnonlinearprocessingcapabilityneuralnetworkha