1、隨著現(xiàn)代科學技術的高速發(fā)展，工業(yè)部門之間的大型設備能否安全可靠地運行，這對于提高企業(yè)經(jīng)濟效益和國家的經(jīng)濟實力，都有很重要的意義。因此，有必要對故障診斷方法進行研究和開發(fā)。本文根據(jù)故障診斷的特點，對以描述動態(tài)系統(tǒng)的Petri網(wǎng)技術應用于故障診斷中，為診斷問題的解決提供了一種全新的方法。本文主要研究了Petri網(wǎng)在故障診斷中的應用，重點研究了以下內(nèi)容： 1.介紹了故障診斷系統(tǒng)，尤其是故障診斷專家系統(tǒng)的相關理論和Petri網(wǎng)的基本概念

2、以及模糊Petri網(wǎng)原理與知識表達，并給出了模糊Petri網(wǎng)的相關推理算法。 2.在模糊Petri網(wǎng)推理方法中結合反向推理算法與正向推理算法，提出了改進了的基于模糊Petri網(wǎng)的正反向混合推理算法，先用模糊Petri網(wǎng)故障診斷反向搜索算法對模型進行約簡，再在此基礎上運用正向模糊推理算法對模型進行計算，使故障診斷精確可信，并給出實例驗證。 3.對加權模糊Petri網(wǎng)的學習能力進行了研究。介紹了加權模糊產(chǎn)生式規(guī)則以及置信度的

3、推理方法，給出了加權模糊Petri網(wǎng)的相關定義和矩陣推理算法，為了保證運算符一階求導連續(xù)，引入了Sigmoid函數(shù)，建立變遷發(fā)生的連續(xù)函數(shù)和最大，最小運算連續(xù)函數(shù)；參照神經(jīng)網(wǎng)絡，研究了權值和閾值的學習算法，對于分層嚴格的WFPN模型，應用全面反向?qū)W習算法，對于分層比較困難的WFPN模型，考慮局部學習，使加權模糊Petri網(wǎng)具有了像BP神經(jīng)(Back ProPagation)網(wǎng)絡一樣的學習能力，并引入變學習率來加快算法的收斂速度，舉例驗證