阅读说明：本技术 基于不可观事件自动制造系统最大许可行为信息控制方法 (Method for controlling maximum permitted behavior information of automatic manufacturing system based on unobservable events ) 是由 罗鹏 胡核算 马艳 于 2019-08-26 设计创作，主要内容包括：本发明属于自动制造系统技术领域,公开了一种基于不可观事件自动制造系统最大许可行为信息控制方法,得到考虑全可观变迁下的全局可达图；考虑不可观变迁,将不可观变迁发射前后的状态归为状态类,构建新的可达图；再从后往前推导；得到自动制造系统的最大许可行为；最后得出的好状态,只要控制自动制造系统在这些状态到临界状态之间的事件(变迁)的发生(发射),就能够使得自动制造系统一直处于这些状态中,则自动制造系统中即使不可观事件在不可预测的情况下发生,该系统也一定不会走向死锁。本发明能够实现自动制造系统的最大许可行为,充分利用资源,减少不必要的浪费,使得自动制造系统的生产效率不断提高。(The invention belongs to the technical field of automatic manufacturing systems, and discloses a method for controlling maximum permitted behavior information of an automatic manufacturing system based on an unobservable event, which is used for obtaining a global reachable graph under consideration of full-observable transition; considering the unobservable transition, classifying the states before and after the unobservable transition is transmitted into a state class, and constructing a new reachable graph; then, the front and the back are deduced; obtaining a maximum allowable behavior of the automated manufacturing system; the resulting good states, as long as controlling the occurrence (emission) of events (transitions) of the automated manufacturing system between these states to critical states, enables the automated manufacturing system to remain in these states, and the system must not go to deadlock even if an unexpected event occurs in the automated manufacturing system in an unpredictable manner. The invention can realize the maximum permitted behavior of the automatic manufacturing system, fully utilize resources, reduce unnecessary waste and continuously improve the production efficiency of the automatic manufacturing system.)

基于不可观事件自动制造系统最大许可行为信息控制方法

技术领域

本发明属于自动制造系统技术领域，尤其涉及一种基于不可观事件自动制造系统最大许可行为信息控制方法。

背景技术

目前，最接近的现有技术：自动制造系统(Automated Manufacturing System，AMS)是一种典型的资源分配系统，是一种集机械、电子、自动化、计算机技术于一体的无人操作现代化制造技术。Petri网是一种基于图形的数学工具，适用于描述、模拟以及分析系统行为，因其在自动制造系统设计中独特的优势，被广泛应用于自动制造系统的研究。行为许可性是活性Petri网控制器设计的重要指标之一，因此如何设计一个最大许可或者说是最优Petri网控制器一直是众多学者感兴趣的问题。

受控系统许可行为的多少是评价活性Petri网控制器的一个重要指标。一般说来，受控系统拥有越多的许可行为，则在很大程度上意味着自动制造系统具有更多的柔性和更高的生产率。因此，最大许可行为的Petri网控制器设计方法的研究不仅具有理论意义，而且具有实际应用价值。在当前已有技术中，众多学者研究自动制造系统的最大许可性，可能基于不可观事件在自动制造系统中的发生具有不可观测性以及算法复杂度方面考虑，往往没有考虑不可观事件对于自动制造系统的影响，这样的考虑对于实际系统来说很明显是不全面的，具体体现在：实际的自动制造系统或多或少存在一些不可观事件，造成自动制造系统的模糊性和不确定性，如果没能考虑，在相应的位置没有安装传感器，就不能检测并返回结果，比如在核反应堆中，暂时没有能够胜任的传感器，即产生了不可观事件。并且予以处理，那么系统将可能会不可避免地进入死锁状态，最终出现自动制造系统停滞的后果。由于实际中存在一些不可观事件，因此在Petri网模型中，有必要考虑不可观事件的自动制造系统的最大许可行为控制。

综上所述，现有技术存在的问题是：当前在基于Petri网模型的最大许可行为控制的研究中，未考虑含有不可观事件，而不可观事件普遍存在于自动制造系统中，且不可观事件在实际系统中是无法观测到的，则该系统很有可能走向死锁，最终导致生产的重大损失。

解决上述技术问题的难度：考虑不可观事件的自动制造系统，其Petri网模型中变迁的发射是随机的，对应于生成的可达图是错综复杂的，首先必须分析每一处不可控变迁发射到达前后的状态情况，进而将所有的状态进行划分，其次不可观事件发生与否，无法知晓，需要获取不可观事件对于自动制造系统的影响，对于所提出算法的复杂度是一个挑战，再则对于一个状态数越多的Petri网模型，考虑不可观变迁后，复杂度更高。

解决上述技术问题的意义：现实生活中的自动制造系统难免会存在不可观事件，而不可观事件的发生，在自动制造系统的工作路径中是无法判断的，使得加工进程的当前进行状态可能处于未知，即当前状态可能将要进入死锁状态。那么就需要在考虑不可观事件的情况下，知道系统输出好状态的边界值，即知道考虑不可观事件的最大许可行为，对于边界值加以控制。

发明内容

针对现有技术存在的问题，本发明提供了一种基于不可观事件自动制造系统最大许可行为信息控制方法。

本发明是这样实现的，一种基于不可观事件自动制造系统最大许可行为信息控制方法，所述基于不可观事件自动制造系统最大许可行为信息控制方法包括以下步骤：

步骤一，基于全可观事件的自动制造系统，由Petri网初始标识以及输入、输出变迁，生成整个Petri网的全局可达图；

步骤二，考虑自动制造系统的不可观事件，由Petri网初始标识以及输入、输出变迁生成新的可达图；

步骤三，考虑自动制造系统的不可观事件，由死锁状态逆推导得到考虑不可观事件的自动制造系统的坏状态；

步骤四，考虑自动制造系统的不可观事件，由坏死状态逆推导得到考虑不可观事件的自动制造系统的临界状态；

步骤五，将所有状态除去死锁状态和坏状态，剩余的状态为好状态，考虑不可观事件的自动制造系统的最大许可行为。

进一步，所述步骤一于全可观事件的自动制造系统，由Petri网初始标识以及输入、输出变迁，生成整个Petri网的全局可达图具体包括：

(1)输入Petri网的初始标识M₀，输入、输出变迁；

(2)初始化当前状态M＝M₀，并将其做个标记flag，初始化为false；

(3)若系统中还存在没有被搜索到的状态，则继续执行下面的过程，否则终止；

(4)选择一个状态为“false”，即没有被访问过的标识M；

1)若已搜索过M，则将其标记为true，并开始搜索其它false标识；

2)若在M下，不存在可以被使能的变迁，则将M标记为deadlock，并将其加入死锁状态集合deadlockstates；

(5)对于M下所有满足使能条件的变迁t，执行下面的操作；

1)激发t得到新的标识M'；

2)从M到M'添加弧t；

(6)将M的状态标记为“true”后回到(2)；

(7)最终得到整个Petri网的全局可达图R(G)。

进一步，所述步骤二考虑自动制造系统的不可观事件，由Petri网初始标识以及输入、输出变迁生成新的可达图具体包括：

(1)输入Petri网的输入、输出变迁以及不可观变迁集合T_uo，步骤一得到的全局可达图R(G)以及死锁状态集合deadlockstates；

(2)初始化当前状态M＝M₀，并将其做个标记flag，初始化为false，其中M₀为初始状态；

(3)对于不可观变迁集合T_uo中所有不可观变迁，如果一个状态经过一个不可观变迁发射到达另一个状态，则将不可观变迁发射前后的这两个状态归为一类，为状态类；

(4)将状态类视为一个节点状态，从初始状态M₀开始构造新的可达图R'(G)，执行以下操作；

1)若系统中还存在没有被搜索到的状态或节点状态，则继续执行下面的过程，否则终止；

2)选择一个状态或节点状态为false，没有被访问过的状态或节点状态；

①若已搜索过该状态或节点状态，则将其标记为true，并开始搜索其它false状态或节点状态；

②若在该状态或节点状态下，不存在可以被使能的变迁，则将该状态或节点状态标记为deadlock，并将其加入死锁状态集合deadlockstates；

3)对于该状态或节点状态下所有满足使能条件的变迁t，执行下面的操作：

①激发t得到新的状态或节点状态；

②从当前状态或节点状态到新的状态或节点状态添加弧t；

4)将该状态或节点状态标记为true后回到2)；

5)得到整个Petri网的新的可达图R'(G)。

进一步，所述步骤三考虑自动制造系统的不可观事件，由死锁状态逆推导得到考虑不可观事件的自动制造系统的坏状态具体包括：

(1)输入Petri网的所有变迁，得到的死锁状态集合；

(2)初始化当前状态M＝M_{deadlockstate}，其中M_{deadlockstate}为一个死锁状态；

(3)遍历所有的非死锁状态，若一个状态或节点状态经过一个或多个变迁t发射，进入死锁状态M_{deadlockstate}，则该状态或节点状态为坏状态M_badstate，将其加入坏状态集合badstates；

(4)逐层向上循环搜索，遍历所有非死锁状态，一个状态或节点状态经过一个或多个变迁t发射，不可避免地进入死锁状态M_{deadlockstate}或坏状态M_badstate，则该状态或节点状态为坏状态M_badstate，更新坏状态集合badstates，将其加入坏状态集合badstates，得到更新后的坏状态集合badstates'。

进一步，所述考虑自动制造系统的不可观事件，由坏死状态逆推导得到考虑不可观事件的自动制造系统的临界状态具体包括：

(1)输入Petri网的所有变迁，得到的死锁状态集合deadlockstates以及步骤三得到的更新后的坏状态集合badstates'；

(2)将得到的死锁状态集合deadlockstates与步骤三得到的更新后的坏状态集合badstates'合并到一个集合，坏死状态集合badOrdeadlockstates；

(3)初始化当前状态M＝M_{badOrdeadlockstate}，其中M_{badOrdeadlockstate}为一个坏死状态；

(4)遍历所有的非坏死状态，若一个状态或节点状态经过两个及以上变迁t发射；若存在变迁t发射到达坏死状态M_{badOrdeadlockstate}，但不全是到达坏死状态，则该状态或节点状态为临界状态M_{criticalstate}，将其加入临界状态集合criticalstates。

进一步，所述将所有状态除去死锁状态和坏状态，剩余的状态为好状态，考虑不可观事件的自动制造系统的最大许可行为具体包括：

(1)输入得到的所有状态的集合，得到的死锁状态集合deadlockstates，得到的更新后的坏状态集合badstates'以及得到的坏死状态集合badOrdeadlockstates与临界状态集合criticalstates；

(2)将所有状态的集合减去坏死状态集合badOrdeadlockstates，得到好状态集合goodstates，考虑不可观事件的自动制造系统的最大许可行为；

(3)输出考虑不可观事件的自动制造系统的好状态、临界状态、坏状态以及死锁状态。

本发明的另一目的在于提供一种基于所述基于不可观事件自动制造系统最大许可行为信息控制方法的基于不可观事件自动制造系统最大许可行为信息控制系统，所述基于不可观事件自动制造系统最大许可行为信息控制系统包括：

全局可达图生成模块，用于基于全可观事件的自动制造系统，由Petri网初始标识以及输入、输出变迁，生成整个Petri网的全局可达图；

新可达图生成模块，用于考虑自动制造系统的不可观事件，由Petri网初始标识以及输入、输出变迁生成新的可达图；

坏状态获得模块，用于考虑自动制造系统的不可观事件，由死锁状态逆推导得到考虑不可观事件的自动制造系统的坏状态；

临界状态获得模块，用于考虑自动制造系统的不可观事件，由坏死状态逆推导得到考虑不可观事件的自动制造系统的临界状态；

最大许可行为模块，用于将所有状态除去死锁状态和坏状态，剩余的状态为好状态，考虑不可观事件的自动制造系统的最大许可行为。

本发明的另一目的在于提供一种应用所述基于不可观事件自动制造系统最大许可行为信息控制方法的自动制造系统。

综上所述，本发明的优点及积极效果为：本发明考虑不可观事件的自动制造系统的最大许可行为控制方法将原来全可观变迁得到的整个Petri网可达图基于不可观变迁进行重新构建，得到新的可达图，再由死锁状态逆推导；在得到考虑不可观事件的自动制造系统的好状态之后，即得到自动制造系统考虑不可观事件的最大许可行为，对所有位于最大许可行为的边界状态，即临界状态的下一步走向加以控制，使系统永远不会到达死锁状态。

与现有的技术相比，本发明具有以下优势：

(1)本发明能够实现自动制造系统的最大许可行为，充分利用资源，减少不必要的浪费。一旦系统进入死锁状态，系统加工进程将会停滞，那么最终输出的产品将不能正常使用，这样就造成了资源浪费。

(2)本发明考虑了不可观事件对于自动制造系统的影响，得到了系统的最大许可行为。不可观事件在自动制造系统中是普遍存在的，因此必须充分考虑其影响。实现控制器做出恰当的控制决策，决定在当前状态下不应该发射哪个变迁，避免在加工过程中出现死锁状态，导致生产线停滞，造成巨大的损失。

(3)现有技术得到的自动制造系统的最大许可行为是基于全可观事件的最大许可行为，在现实生活中的自动制造系统中应用，有一定的局限性，不能观测到不可观事件发生导致的死锁，进而使得自动制造系统加工进程滞后等不好的影响，而相对于现有技术，本发明的算法考虑了不可观事件，并且找到了自动制造系统的最大许可行为，进而为后面的控制器设计指引了方向。

附图说明

图1是本发明实施例提供的基于不可观事件自动制造系统最大许可行为信息控制方法流程图。

图2是本发明实施例提供的S⁴R模型示意图。

图3是本发明实施例提供的S⁴R模型的部分状态示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于不可观事件自动制造系统最大许可行为信息控制方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于不可观事件自动制造系统最大许可行为信息控制方法包括以下步骤：

S101：基于全可观事件的自动制造系统，由Petri网初始标识以及输入、输出变迁，生成整个Petri网的全局可达图；

S102：考虑自动制造系统的不可观事件，由Petri网初始标识以及输入、输出变迁生成新的可达图；

S103：考虑自动制造系统的不可观事件，由死锁状态逆推导得到考虑不可观事件的自动制造系统的坏状态；

S104：考虑自动制造系统的不可观事件，由坏死状态逆推导得到考虑不可观事件的自动制造系统的临界状态；

S105：将所有状态除去死锁状态和坏状态，剩余的状态为好状态，即考虑不可观事件的自动制造系统的最大许可行为。

下面结合附图对本发明的技术方案作进一步的描述。

定义1：一个Petri网(结构)PN是一个四元组(P，T，F，W)，

其中：

(1)P和T分别称为库所和变迁的集合，P和T非空、有限且不相交，即：

(2)

称为流关系或有向弧的集合；

(3)

是一个映射，该映射为每一条弧分配一个权值，即W(f)＞0。

从图论上讲，Petri网是一种双枝有向图，库所和变迁称为Petri网的节点。用图形表示Petri网时，库所用圆圈表示，变迁用矩形或杠表示。库所和变迁之间用有向弧连接，同一个类型的节点之间不能用有向弧连接。

定义2(N,M₀)＝(P,T,F,W,M₀)是Petri网(P，T，F，W)的标识网。

其中：M₀为初始标识，表示系统的初始状态。

定义3：可观性和可观变迁与不可观变迁

(1)可观性：用来描述系统通过直接测量得到的输入输出的数值对系统内部动态特性的状态进行确定和观测的可能性。

(2)可观变迁与不可观变迁：根据事件发生是否可以被观测到，将行为事件分为可观事件与不可观事件，对应Petri网中依据变迁激发能否被观测到划分为可观变迁与不可观变迁。

本发明实施例提供的基于不可观事件的自动制造系统最大许可行为控制方法具体包括以下步骤：

步骤一：基于全可观事件的自动制造系统，由Petri网初始标识以及输入、输出变迁，生成整个Petri网的全局可达图；具体实现过程如下：

(1)输入Petri网的初始标识M₀，输入、输出变迁；

(2)初始化当前状态M＝M₀，并将其做个标记flag，初始化为false；

(3)若系统中还存在没有被搜索到的状态，则继续执行下面的过程，否则终止；

(4)选择一个状态为“false”，即没有被访问过的标识M；

1)若已搜索过M，则将其标记为“true”，并开始搜索其它“false”标识；

2)若在M下，不存在可以被使能的变迁，则将M标记为“deadlock”，并将其加入deadlockstates；

(5)对于M下所有满足使能条件的变迁t，执行下面的操作：

1)激发t得到新的标识M'；

2)从M到M'添加弧t；

(6)将M的状态标记为“true”后回到(2)；

(7)最终得到整个Petri网的全局可达图R(G)。

步骤二：考虑自动制造系统的不可观事件，由Petri网初始标识以及输入、输出变迁生成新的可达图；具体实现过程如下：

(1)输入Petri网的输入、输出变迁以及不可观变迁集合T_uo，步骤一得到的全局可达图R(G)以及deadlockstates；

(2)初始化当前状态M＝M₀，并将其做个标记flag，初始化为false，其中M₀为初始状态；

(3)对于不可观变迁集合T_uo中所有不可观变迁，如果一个状态经过一个不可观变迁发射到达另一个状态，则将不可观变迁发射前后的这两个状态归为一类，本发明将其称为状态类；

(4)将状态类视为一个节点状态，从初始状态M₀开始构造新的可达图R'(G)，执行以下操作：

1)若系统中还存在没有被搜索到的状态或节点状态，则继续执行下面的过程，否则终止；

2)选择一个状态或节点状态为“false”，即没有被访问过的状态或节点状态；

①若已搜索过该状态或节点状态，则将其标记为“true”，并开始搜索其它“false”状态或节点状态；

②若在该状态或节点状态下，不存在可以被使能的变迁，则将该状态或节点状态标记为“deadlock”，并将其加入deadlockstates；

3)对于该状态或节点状态下所有满足使能条件的变迁t，执行下面的操作：

①激发t得到新的状态或节点状态；

②从当前状态或节点状态到新的状态或节点状态添加弧t；

4)将该状态或节点状态标记为“true”后回到2)；

5)得到整个Petri网的新的可达图R'(G)。

步骤三：考虑自动制造系统的不可观事件，由死锁状态逆推导得到考虑不可观事件的自动制造系统的坏状态；具体实现过程如下：

(1)输入Petri网的所有变迁，步骤二得到的deadlockstates；

(2)初始化当前状态M＝M_{deadlockstate}，其中M_{deadlockstate}为一个死锁状态；

(3)遍历所有的非deadlockstate，若一个状态或节点状态经过一个或多个变迁t发射，不可避免地进入M_{deadlockstate}，则该状态或节点状态为M_badstate，将其加入badstates；

(4)逐层向上循环搜索，遍历所有非deadlockstate，一个状态或节点状态经过一个或多个变迁t发射，不可避免地进入M_{deadlockstate}或M_badstate，则该状态或节点状态为M_badstate，更新badstates，将其加入badstates，得到更新后的badstates'。

步骤四：考虑自动制造系统的不可观事件，由坏死状态逆推导得到考虑不可观事件的自动制造系统的临界状态；具体实现过程如下：

(1)输入Petri网的所有变迁，步骤二得到的deadlockstates以及步骤三得到的更新后的badstates'；

(2)将步骤二得到的deadlockstates与步骤三得到的更新后的badstates'合并到一个集合，即badOrdeadlockstates；

(3)初始化当前状态M＝M_{badOrdeadlockstate}，其中M_{badOrdeadlockstate}为一个坏死状态；

(4)遍历所有的非badstate，若一个状态或节点状态经过两个及以上变迁t发射，若存在变迁t发射到达M_{badOrdeadlockstate}，但不全是到达M_{badOrdeadlockstate}，则该状态或节点状态为M_{criticalstate}，将其加入criticalstates。

步骤五：将所有状态除去死锁状态和坏状态，剩余的状态为好状态，即考虑不可观事件的自动制造系统的最大许可行为；具体实现过程如下：

(1)输入步骤一得到的所有状态的集合，步骤二得到的deadlockstates，步骤三得到的更新后的badstates'以及步骤四得到的badOrdeadlockstates与criticalstates；

(2)将所有状态的集合减去badOrdeadlockstates，便得到了goodstates，即考虑不可观事件的自动制造系统的最大许可行为；

(3)输出考虑不可观事件的自动制造系统的goodstate、criticalstate、badstate以及deadlockstate。

如图2所示，下面根据S⁴R网模型及该模型的部分状态来对以上步骤进行详细说明：考虑不可观事件的自动制造系统最大许可行为控制的算法。

如图3所示，假设T_uo＝{t₆}，即变迁t₆为不可观变迁，其余变迁均为可观变迁。根据步骤一，能够得到该Petri网的可达图，共计87个状态，并分别输出goodstates＝{1，2，3，4，5，6，7，8，9，10，11，13，15，16，17，19，21，26，28，29，30，36，37，42，43，45，51，53，54，59，61，62，65，67，69，70，73，74，75，77，79，80，81，83，84，85，86，87}，总共48个goodstate，criticalstates＝{12，14，18，20，22，23，25，27，31，33，34，38，41，44，46，49，55，60}，总共18个criticalstate，badstates＝{24，32，35，39，40，47，48，50，52，56，57，58，63，64，66，68，71，72}，总共18个badstate，deadlockstates＝{76，78，82}总共3个deadlockstate。根据步骤二，考虑不可观变迁t₆的影响，把不可观变迁t₆发射前后的两个状态归为一类，本发明将其称为状态类，则M₂经过变迁t₆发射到达M₄，故将M₂与M₄归为一个状态类，M₅经过变迁t₆发射到达M₁₀，M₁₀经过变迁t₆发射到达M₁₈，故将M₅、M₁₀与M₁₈归为一个状态类，M₆经过变迁t₆发射到达M₁₁，故将M₆与M₁₁归为一个状态类，M₁₂经过变迁t₆发射到达M₂₀，故将M₁₂与M₂₀归为一个状态类，M₁₃经过变迁t₆发射到达M₂₁，故将M₁₃与M₂₁归为一个状态类，M₁₄经过变迁t₆发射到达M₂₂，故将M₁₄与M₂₂归为一个状态类，M₁₇经过变迁t₆发射到达M₂₉，故将M₁₇与M₂₉归为一个状态类，M₁₉经过变迁t₆发射到达M₃₁，故将M₁₉与M₃₁归为一个状态类，M₂₀经过变迁t₆发射到达M₃₂，故将M₂₀与M₃₂归为一个状态类，M₂₃经过变迁t₆发射到达M₃₄，故将M₂₃与M₃₄归为一个状态类，M₂₄经过变迁t₆发射到达M₃₅，M₃₅经过变迁t₆发射到达M₄₈，故将M₂₄、M₃₅与M₄₈归为一个状态类，M₂₅经过变迁t₆发射到达M₃₈，故将M₂₅与M₃₈归为一个状态类，M₃₀经过变迁t₆发射到达M₄₅，M₄₅经过变迁t₆发射到达M₆₁，故将M₃₀、M₄₅与M₆₁归为一个状态类，M₃₃经过变迁t₆发射到达M₄₇，故将M₃₃与M₄₇归为一个状态类，M₃₉经过变迁t₆发射到达M₅₂，故将M₃₉与M₅₂归为一个状态类，M₄₁经过变迁t₆发射到达M₅₅，故将M₄₁与M₅₅归为一个状态类，M₅₀经过变迁t₆发射到达M₆₄，故将M₅₀与M₆₄归为一个状态类，M₅₁经过变迁t₆发射到达M₆₇，故将M₅₁与M₆₇归为一个状态类，M₅₇经过变迁t₆发射到达M₆₈，故将M₅₇与M₆₈归为一个状态类，M₆₂经过变迁t₆发射到达M₇₅，故将M₆₂与M₇₅归为一个状态类，M₆₅经过变迁t₆发射到达M₇₇，故将M₆₅与M₇₇归为一个状态类，把所有的状态各自看作一个状态节点，重新构建可达图，则能够得到新的可达图中死锁状态不发生改变，故deadlockstates＝{76，78，82}总共3个deadlockstate。根据步骤三，能够得到badstates＝{24，32，35，39，40，47，48，50，52，56，57，58，63，64，66，68，71，72，20，33，12}，总共21个badstate。根据步骤四，能够得到criticalstates＝{14，18，22，23，25，27，31，34，38，41，44，46，49，55，60，10，11，19，5，6}，总共20个criticalstate。根据步骤五，能够得到goodstates＝{1，2，3，4，7，8，9，13，15，16，17，21，26，28，29，30，36，37，42，43，45，51，53，54，59，61，62，65，67，69，70，73，74，75，77，79，80，81，83，84，85，86，87}，总共43个goodstate，criticalstates＝{14，18，22，23，25，27，31，34，38，41，44，46，49，55，60，10，11，19，5，6}，总共20个criticalstate，badstates＝{24，32，35，39，40，47，48，50，52，56，57，58，63，64，66，68，71，72，20，33，12}，总共21个badstate，deadlockstates＝{76，78，82}总共3个deadlockstate。从最后输出结果来看，考虑不可观事件的自动制造系统，死锁状态不发生变化，而坏状态将会在原来的基础上增加；临界状态将会发生变化，变化情况是：一部分可能变成坏状态，另外又将增加一些临界状态；好状态将会在原来的基础上减少，变化情况是：一部分可能会变成坏状态，一部分可能会变成临界状态。

根据上面的考虑不可观事件的自动制造系统的最大许可行为控制算法，首先得到考虑全可观变迁下的全局可达图，其次考虑不可观变迁，将不可观变迁发射前后的状态归为状态类，构建新的可达图，再从后往前推导，即从死锁状态开始向前一步一步走，最终能够得到自动制造系统的最大许可行为，即本发明提出算法最后得出的goodstates，只要控制自动制造系统在这些状态到临界状态之间的事件(变迁)的发生，那么就能够使得自动制造系统一直处于这些状态中，则自动制造系统中即使存在不可观事件，也一定不会走向死锁。

本发明中符号说明：PN表示Petri网，M₀表示初始状态，M表示当前状态，T_uo表示不可观变迁集合，t表示变迁，M_goodstate表示好状态，M_{criticalstate}表示临界状态，M_badstate表示坏状态，M_{deadlockstate}表示死锁状态，M_{badOrdeadstate}表示坏死状态，goodstates表示好状态集合，criticalstates表示临界状态集合，badstates表示坏状态集合，badOrdeadlockstates表示坏死状态集合，deadlockstates表示死锁状态集合，

表示非0自然数。

下面结合具体实施例对本发明的技术方案作进一步的描述。

输入Petri网结构如下所示：

输出结果如下图所示：

全为可观变迁时：

Total states count：29

Critical States count：7

5 6 7 12 18 23 26

Deadlock States count：2

11 28

Bad States count：4

14 19 24 29

考虑不可观变迁时：

The number of states containing unobservable transitions is asfollows：

Total number of states：29

Good states：13

The good states are：1 4 8 9 10 13 15 16 17 20 22 25 27

Critical States：9

The critical Statesare：6 7 12 18 23 26 2 3 21

Bad States：5

The bad Statesare：14 19 24 29 5

Deadlock States：2

The deadlock Statesare：11 28

从输出结果能够得出，考虑了不可观变迁t₂，系统的死锁状态不发生变化，坏状态在原来的基础上增加了状态5；临界状态发生了变化，变化情况是：首先是好状态2，3，21变成临界状态，另外状态5变成了坏状态；好状态在原来的基础上减少了，变化情况是：好状态2，3，21变成了临界状态。

下面结合实验对本发明的技术效果作详细的描述。

(1)未考虑不可观事件时，算法输出情况如下：

Total states count：87

Critical States count：18

12 14 18 20 22 23 25 27 31 33 34 38 41 44 46 49 55 60

Deadlock States count：3

76 78 82

Bad States count：18

24 32 35 39 40 47 48 50 52 56 57 58 63 64 66 68 71 72

(2)考虑不可观事件时，算法输出情况如下：

The number of states containing unobservable transitions is asfollows：

Tota lnumber of states：87

Good states：43

The good states are：1 2 3 4 7 8 9 13 15 16 17 21 26 28 29 30 36 37 4243 45 51 53 54 59 61 62 65 67 69 70 73 74 75 77 79 80 81 83 84 85 86 87

Critical States：20

The critical States are：14 18 22 23 25 27 31 34 38 41 44 46 49 55 6010 11 19 56

Bad States：21

The bad States are：24 32 35 39 40 47 48 50 52 56 57 58 63 64 66 68 7172 20 33 12

Deadlock States：3

The deadlock States are：76 78 82

从实验结果分析，可以知道考虑不可观事件的自动制造系统的最大许可行为实质是在全可观事件的自动制造系统的最大许可行为上进行裁剪，剔除那些因不可观事件的出现使得一些原本好的状态变成坏状态，从而缩小了系统的最大许可行为。

本发明首先得到考虑全可观变迁下的全局可达图，其次考虑不可观变迁，将不可观变迁发射前后的状态归为状态类，构建新的可达图，再从后往前推导，即从死锁状态开始向前一步一步走，最终能够得到自动制造系统的最大许可行为，即本发明提出算法最后得出的好状态，只要控制自动制造系统在这些状态到临界状态之间的事件(变迁)的发生，那么就能够使得自动制造系统一直处于这些状态中，则自动制造系统中即使不可观事件在不可预测的情况下发生，该系统也一定不会走向死锁。本发明能够实现自动制造系统的最大许可行为，充分利用资源，减少不必要的浪费，使得自动制造系统的生产效率不断提高。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。