Hybrid stochastic Petri nets with matrix attributes for modeling of discrete-continuous process

Abstract

This paper introduces a new class of hybrid stochastic Petri nets (called HSMN) with marked-controlled matrix attributes which allow high flexibility in describing the discretecontinuous processes dynamics of hybrid systems. The applicability of this approach is illustrated through a few examples of HSMN models with different matrix attributes. An important advantage of the proposed approach is that the graphic representations of these kinds of models are very compact and flexible because their attributes are matrix parameterized.

În lucrare este introdusă şi studiată o nouă clasă de reţele Petri stocastice hibride cu atribute matriceale marcajdependente, numite HSMN, care permit de a descrie flexibil dinamica proceselor discret-continue ale sistemelor hibride. Aplicabilitatea acestei abordări este ilustrată prin câteva exemple de modele de HSMN cu diferite atribute matriceale. Un avantaj important al demersului propus constă în faptul că redarea grafică a acestui tip de modele este foarte compactă şi flexibilă, deoarece atributele sale sunt matriceal parametrizate.

Dans cet article est introduit et étudié une nouvelle classe des réseaux de Petri stochastique hybride (appelés HSMN) avec des marquages-dépendent attributs matriciels, qui permettent de décrire flexiblement la dynamique des processus discrets -continue des systèmes hybrides. L'applicabilité de cette approche est illustrée par quelques exemples de modèles HSMN avec différents attributs matriciels. Un avantage important de l'approche proposée est que les représentations graphiques de ces types de modèles sont très compactes et flexibles parce que ses attributs sont paramétrés par des matrices.

В работе представлен новый класс гибридных стохастических сетей Петри с маркировочно-контролируемых матрицными атрибутами (ГССПМ), которые позволяют гибко описывать динамику дискретно-непрерывных процессов гибридных систем. Применимость такого подхода иллюстрируется несколькими примерами моделей ГССПМ с различными матрицными атрибутами. Важным преимуществом предлагаемого подхода состоит в том, что графические представления этих видов моделей очень компактны и гибки для исследования.