基于模糊Petri网的复杂知识系统推理、学习及应用研究

模型压缩与推理过程解释能力的制约、动态并行推理、模型学习是复杂知识系统研究领域中的关键和难点问题。本项目面向复杂知识系统，以模型推理和学习为研究主线，紧紧围绕模型压缩与分析、并行推理及模型学习等方面展开深入研究。该项目将建立一种新的具有约简与自学习特性的变结构模糊着色Petri网推理模型和学习新方法，为解决模型空间压缩与推理过程动态解释、新模型环境下的逆向并行推理、模型变迁阈值自学习等关键问题奠定理论基础。在理论研究方面，研究内容和拟采取的研究方法体现了较强的科学探索和前沿性、理论可行性及一定的预研基础。在应用研究方面，将为新疆达坂城地区大型风电机组运行监控与故障预测提供新的有效技术支撑，具有较强的地域研究特色。项目研究成果将为拓展模糊Petri网理论、推动相关学科的发展奠定理论基础；在潜在的应用方面，将为大型智能系统的推理、预测及诊断提供一种新的方法支持。

课题在复杂知识系统模型压缩、动态并行推理、模型学习、知识获取与同步更新及其应用等方面开展了深入的研究，取得了实质性进展，完成了项目的研究目标和指标，取得了预期研究成果。在理论研究方面，课题提出了双向结构化映射模型，通过引入变迁的编码方法，实现了模糊着色Petri网与知识的双向映射，并可进行模型与知识的同步更新；研究了目标驱动下的模糊Petri网的并行推理方法，对复杂知识进行了分层与混合建模，实现了柔性知识建模和并行推理能力；研究了学习环境下模糊Petri网参数确定方法，通过建立模糊Petri网的多输出模型，提出一种前向计算方法来确定模糊Petri网相关参数，旨在减小系统的学习偏差，为建立模糊Petri网通用学习模型和推理方法奠定了方法基础；研究了知识获取与特征提取方法，构建了知识获取框架，实现了系统知识库的动态实时更新，为系统推理与模型学习提供了知识保证；以上研究为拓展模糊Petri网理论、推动相关学科的发展具有理论意义。在应用研究方面，针对机器人化学羽流追踪知识特点，通过对追踪知识进行Petri网建模，实现了在扩散与紊流两类空气环境条件下的化学羽流追踪过程；该方法的成功应用，也为新疆地区开启基于主动嗅觉的机器人自主搜查化学危险物的研究提供了初步的方法支持。通过模糊Petri网对运输机器人行为建模、新疆加工番茄种植决策与管理优化等的应用研究，所构建的模型和提出的算法具有现实的指导与借鉴意义。