Petri网与模糊理论相结合，以及Petri网与神经网络相结合已经在故障诊断过程中得到了 应用 ，虽然模糊Petri网具有很强的模糊推理能力，但是其缺乏较强的自学习能力，该缺点严重制约了模糊Petri网在各个领域的应用，所以将人工神经网络引入到模糊Petri网中，建立故障诊断的模糊神经网络Petri 网模型，提高了故障诊断系统的精度。本文以船舶主机燃油子系统过程为例，利用模糊神经网络Petri网对该过程中的故障诊断进行建模。

    模糊神经Petri网定义为一个十二元组，

    。其中，

    为有限库所集；

    为有限变迁集；

    为有向弧集；

    为权值；

    K_p为隐含和输出层库所的活动状态集；

    K_t为变迁集 到规则集的一一映射；

    为初始模糊标识；

    为有限命题集；

    为置信度集，它与每个变迁一一映射；

    为库所到真值的一一映射；

    为库所到命题的一一映射；

    为变迁到阈值的一一映射。

    模糊神经Petri网（参见图1），具有神经网络的某些特性，因此可先用神经网络的学习算法进行训练，再调整网络结构中的权值，从而获取知识。图2为模糊神经Petri网转化为神经元模型。

图1  模糊神经Petri网模型                               图2 神经元模型

    船舶主柴油机是机舱系统最为关键的设备,也是一种非常复杂的动力装置系统。它既是一个由往复式机械与其他机械构成的动力装置系统，也包括了由控制装置、伺服系统、检测与显示仪表以及安全保护和报警系统等组成的电气控制系统，同时它还是一个复杂的热工过程。由于船舶主机的极端重要性，其故障诊断和工矿监视 问题 历来深受重视。 目前 人们至少已从三个不同的方面探索 研究 了船舶主机的故障诊断问题，其一是振动分析，其二是通过润滑油品质指标的分析来判断主机机械磨损情况，其三就是从热工参数出发诊断船舶主机系统的故障。本文利用第三种方法，选用燃油流量 、燃油压力 和燃油黏度 ，诊断燃油子系统故障。其流程图如图3所示。

    船舶主机燃油子系统故障诊断的模糊神经Petri网模型如图4所示。