Petri网化简新技术研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (5): 47-50.

Petri网化简新技术研究

陈曦1，周彦1，乐晓波1，匡迎春2

1.长沙理工大学计算机与通信工程学院，长沙 410114
2.湖南农业大学计算机学院，长沙 410128

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-11 发布日期:2012-02-11

Research about new technology for Petri net’s simplification

CHEN Xi1, ZHOU Yan1, YUE Xiaobo1, KUANG Yingchun2

1.School of Computer & Communication Engineering, Changsha University of Science & Technology, Changsha 410114, China
2.School of Computer, Hunan Agricultural University, Changsha 410128, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-11 Published:2012-02-11

摘要/Abstract

摘要： 在Petri网的并分解技术的基础上进行研究，依据并分解定义提出了将一种无环路、多输出库所网分解为若干个单一输出库所子网的新技术，将其应用于电网故障诊断，为Petri网应用于大型电网的故障诊断提供了一条可行的思路。

关键词: Petri网, 化简, 并分解, 电网, 故障诊断

Abstract: Baesd on Petri net’s simplified technology, this paper discusses the union decomposition technology of Petri net, and puts forward a new technology to decompose the net with no loop, multi-output, and applies this way to the fault diagnosis of power system.

Key words: Petri net, simplify, union decomposition, power network, fault diagnosis

陈曦1，周彦1，乐晓波1，匡迎春2. Petri网化简新技术研究[J]. 计算机工程与应用, 2012, 48(5): 47-50.

CHEN Xi1, ZHOU Yan1, YUE Xiaobo1, KUANG Yingchun2. Research about new technology for Petri net’s simplification[J]. Computer Engineering and Applications, 2012, 48(5): 47-50.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	倪明，钱思源，杨善林. 废旧智能手机回收再利用业务流程仿真与优化[J]. 计算机工程与应用, 2021, 57(5): 258-263.
[3]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[4]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[5]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[6]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[7]	文达，崔双喜，樊小朝，降国俊. 考虑源荷互动的主动配电网两层优化调度[J]. 计算机工程与应用, 2021, 57(10): 259-265.
[8]	陆文星，王琥珀，王彬有. 基于赋时Petri网的景区游客分流研究[J]. 计算机工程与应用, 2020, 56(8): 241-248.
[9]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[10]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[11]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[12]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[13]	吴呈，王朝坤，王沐贤. 基于文本化简的实体属性抽取方法[J]. 计算机工程与应用, 2020, 56(21): 115-122.
[14]	李孟特，顾春华，温蜜. 基于区块链的充电交易数据安全存储平台设计[J]. 计算机工程与应用, 2020, 56(21): 79-84.
[15]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.