多Agent故障诊断原型系统研究

合集下载

多Agent的故障诊断任务分解和结果综合研究

Ｖｏ．３，．０１３Ｎｏ１
火力与指挥控制
ＦｉｅＣｏｔｏｎｍｍａｄＣｏｒｌｒｎｒｌａｄＣｏｎｎｔｏ
０ｃｏｒ２０ｔｂｅ，０８
第３３卷
第１Ｏ期
２００８年１Ｏ月
文章编号：０２０４（０８１一１３０１０ —６０２０）０Ｏ１— ４
问题。讨论了基于ＭＡＳ的分布式智能故障诊断方法和过程，用了一种基于ＭＡＳ的分布式武器故障诊断系统方案。中重采其点研究了诊断系统任务分解，务控制策略，于改进合同网协议的Ａｅｔ间的任务分配过程和结果综合。本解决方案对任基ｇｎ之设计分布式故障诊断系统有参考价值。关键词：器系统，障诊断，Ａｇｎ系统，务分解和分配，果综合武故多ｅｔ任结
中图分类号：Ｐ７Ｔ２７文献标识码：Ａ．
ＳｕｙｏｕＤｉｇｓｓＴａｋＤｅｏｐｏｉｉｎａｏｔｏｔｄｆＦａｌａｎｏｉｓｃｍｔｓｔｏｎｄＳｌｉｎｕ
Ｓｎｔｓｓｂｓｄｏｕｔ— ｅｙｔｍｙｈｅｉａｅｎＭｌｉＡｇｎｔＳｓｅ－
ＡｂｔａｔＦａｌｄａｎｓｓｏｏｌａｅｙｔｍｓｕｕｌｙａｃａｄｄｓｒｂｔｄｐｏｌｍ．Ｔｈｓｓｒｃ：ｕｔｉｇｏｉｆａｃｍｐｉｔｄｓｓｅｉｓａｌａｄｎｍｉｎｉｔｉｕｅｒｂｅｃｙｉｐｐｒｉｔｏｕｅｕｔ— ｅｔＳｓｅ（ＡＳ）ｔｈａｌｄａｎｓｓｏｏｌａｅｙｔｍ．ＩｉｃｓｅｈａｅｒｄｃｓＭｌｉＡｇｎｙｔｍＭｎｏｔｅｆｕｔｉｇｏｉｆｃｍｐｉｔｄｓｓｅｃｔｄｓｕｓｓｔｅｍｅｈｄｎｒｃｓｆｔｅｄｓｒｂｔｄｉｔｌｇｎａｌｄａｎｓｓｂｓｄｏＡＳａｄｐｏｏｅｈｅｉｎｏｔｏｓａｄｐｏｅｓｏｈｉｔｉｕｅｎｅｌｅｔｆｕｔｉｇｏｉａｅｎＭｉｎｒｐｓｓｔｅｄｓｇｆｆｕｔｄａｎｓｓｅｐｒｙｔｍｏａｏｓＫｅｅｈｉｕｓｏａｋｄｃｍｐｓｔｎ，ｔｓｉｔｉｕｉｎａｄａｌｉｇｏｉｘｅｔｓｓｅｆｒｗｅｐｎ．ｙｔｃｎｑｅｆｔｓｅｏｏｉｉｏａｋｄｓｒｂｔｎｏｓｌｔｎｓｎｈｓｓａｅｄｍｏｓｒｔｄＥｘｅｉｎｓｓｏｉｓｓｔｆｃｏｙｐｒｏｍａｃｎｆｅｔｅｅｓｏｕｉｙｔｅｉｒｅｎｔａｅ．ｏｐｒｍｅｔｈｗｔａｉａｔｒｅｆｒｎｅａｄｅｆｃｉｎｓ．ｓｖＴｈｏｕｉｎｐｅｅｔｄｂｈｕｈｒｓｖｌａｌｏｅｉｎｎｉｔｉｕｅａｌｄａｎｓｓｓｓｅｅｓｌｔｏｒｓｎｅｙｔｅａｔｏｓｉａｕｂｅｆｒｄｓｇｉｇｄｓｒｂｔｄｆｕｔｉｇｏｉｙｔｍ．Ｋｅｗｏｄ：ｗｅｐｎｙｔｍ，ｆｕｔｉｇｏｉ，ＭＡＳ，ｔｓｄｃｍｐｓｔｎｎｄｓｒｂｔｎ，ｏｕｉｎｙｒｓａｏｓｓｅａｌｄａｎｓｓａｋｅｏｏｉｏａｄｉｔｉｕｉｉｏｓｌｔｏ

基于多Agent的电网故障诊断系统的研究的开题报告

基于多Agent的电网故障诊断系统的研究的开题报
告
一、选题背景
随着电力系统规模的不断扩大和电力质量的不断提高，电力系统中
的故障诊断技术也得到了广泛关注。

电网故障诊断系统可以帮助操作人
员快速、准确地诊断故障，并及时采取措施排除故障，保障电网的稳定
运行。

而在多Agent技术的支持下，电网故障诊断系统可以更加高效、
可靠地运行。

二、研究意义
电网故障诊断系统的开发，不仅可以提高电力设备的运行效率和设
备的保护水平，还可以减少电力系统运行中的故障发生率和危害程度，
降低社会经济损失。

基于多Agent技术的电网故障诊断系统还可以提高
系统的自适应性和可扩展性，从而更好地适应电网复杂多变的运行环境。

三、研究内容
1. 多Agent技术在电网故障诊断系统中的应用
2. 建立电力系统的模型、故障特征库以及故障诊断规则库
3. 采用智能算法对系统进行优化，提高系统的性能和鲁棒性
4. 进行实验测试和验证，评估系统的故障诊断准确性和实时性
四、研究方法
本研究采用实验室实验和仿真实验相结合的方法进行。

首先，建立
电力系统的模型以及故障特征库和故障诊断规则库。

然后，采用多Agent 技术对系统进行优化，并采用智能算法对系统进行测试和验证，最终评
估系统的性能和实时性。

五、预期成果
本研究预期开发出一种基于多Agent技术的电网故障诊断系统，该
系统具有智能化、高效性和可靠性的特点，在电网运行中能够快速、准
确地诊断故障，并及时采取措施排除故障，保障电网的稳定运行。

同时，本研究还将提出一种基于智能算法的优化方法，提高系统的性能和鲁棒性。

多Agent故障诊断模型及协同技术研究

李志芳张锦（南医学院海口５１０）海７１１
【摘要】针对复杂故障诊断领域中多Ａｇｎ系统应用存在的问题，出了一种多Ａｇｎｅｔ提ｅｔ协同故障诊断模型，同时对多Ａｇｎｅｔ间协作的关键技术提出了改进的黑板模型与消息传送结构相结合的通信机制等，并以三相异步电
ｗａａｂｅａｐｏｅｔｂｅｓｂｅａｄｅｆｃｉｅｔｒｕｈｎｅａｐｅｏｈｅ —ｐａｅａｙｃｒｎｕｍｏｏｅｒｎａｌｙｈｓｅｎｐｒｖｄｏｅｆａｉｌｎｆｅｔｖｈｏｇａｘｍｌｆｔｒｅ— ｈｓｓｓｎｈｏｏｓｔｒｂａｉｇｆｕｔｄａｎｓｓｉｇｏｉ．
这种模型的优点是可以动态地增减诊断Ａｅｔｇｎ，
可扩展性较好，过增减诊断Ａｇｎ，高系统的诊断通ｅｔ提能力；时对设备的依赖性也小，需要对Ａｇｎ同只ｅｔ知
同时各个Ａｇｎ又是自治独立的，其自身的目标和ｅｔ有行为，它们通过竞争和协商解决矛盾和冲突［。将多３］Ａｇｎ技术引入复杂故障诊断领域，中关键问题是ｅｔ其
ＫＥＹＷＯＲＤｆｕｔｄａｎｓｓＳａｌｉｇｏｉ，ＭＡＳｍｏｅ，ＴＳｆｎｙｍｏｅ。ｂａｋｏｒｄ１ｏｔａｔｎｔｒｒｔｃｌｄｌｕｎｄｌｌｃｂａｄｍｏｅ．ｃｎｒｃｅｗｏｋｐｏｏｏ

多Agent装备故障诊断与维修系统研究

Ｖ０．ｏ３１６Ｎ．
Ｓｐ２０ｅ．０６
多Ａｅｔｇｎ装备故障诊断与维修系统研究
曾平华左召军，纯，熊
（．１空军９８５部队，４６浙江杭州３０２；．沙航空职业技术学院，１０１２长湖南长沙４０２）１１４
中图分类号：Ｐ０Ｔ２６＋．３文献标识码：Ａ文章编号：７ — ６４２０）３— ２ — ４１１９５（０６００１０６
Ｄｅｉｎｏｕｔ — ａｅｔ — ａｅｕｐｎｓＦｕｔＤｉｇｏｉｎｐｒｔｎＳｓｅｓｆＭｌｉ — ｇｎ — ｂｓｄＥｑｉｍｅｔａｌｇａｎｓａｄＲｅａａｉｙｔｍｓｏ
ＺＮｉｇ—ｈａ，Ｕｈｏ— ｕＸＯＧＣｕＥＧＰｎｕＺＯＺａｊｎ，ＩＮｈｎ
（．ＦＧｏ９８５Ｈｎｚｏｈｉｎ３０２；１Ａｒ．４６，ａｇｈｕＺｅａｇ１０１ｊ
２ＣａｇｈｅｏａｔａＶｃｔｎｌｎｅｈｉｌｏｅｅＣａｇｈｕａ４１４。ｈｎｓａＡｒｎｕｉｌｏａｉａｄＴｃｎａＣｌｇ，ｈｎｓａＨｎｎ）ｃｏａｃｌ１０２
维普资讯
第６卷第３期２００６年９月
长沙航空职业技术学院学报
ＣＮＳＡＡＲＮＵＩＡＯＡＩＮＬＡＤＴＣＮＣＬＣＬＥＥＪＵＮＬＨＡＧＨＥＯＡＴＣＬＶＣＴＯＡＮＥＨＩＡＯＬＧＯＲＡ

基于免疫原理的多Agent故障诊断系统

（重庆大学自动化学院，重庆４０４００４）
摘要：随着系统设备和功能的日复杂化，益各种故障现象成因越来越复杂，现有固定的诊断推理模型却难以满足复杂系统诊断面临的全部要求。针对故障诊断系统难以适应动态变化环境的缺点，该文以励磁设备的在线故障诊断为背景，究故障研识别的症兆与诊断决策置信度之间的机制，借鉴生命体的相似性原理与免疫应答的调节理论构造诊断模型重构控制的细胞免疫型结构模型，研究免疫型诊断模型的选择激励与重构动力，高诊断系统确诊率，提设计基于免疫原理的多Ａｅｔ障诊ｇｎ故断系统，为复杂的电气设备诊断开发提供便捷的工具。关键词：免疫原理；决策置信度；构；重故障诊断
ｍｕｔ —ａｅｔａｌｄａｎｓｓｓｓｍａｅｎｉｌｉｇｎｕｔｉｇｏｉｙｔｂｓｄｏｍｍｕｅｔｅｒｒｅｏｐｏｉｅｃｎｅｉｎｉｇｏｉｏｌｆｒｃｍｐｅｆｅｎｈｏｉｏｄｒｔｒｖｄｏｖｎｅｔａｎｓｓｔｏｓｏｏｌｘｙｎｄｅｅｔｃｅｕｐｎ．ｌｃｒｑｉｍｅｔｉ
（ｕｍａｏｏｌｅＣｏｇｉｇＵｉｒｉ，ｈｎｑｎ００４，ｈｎ）ＡｔｔｎＣｌｇ，ｈｎｑｎｎｅｓｙＣｏｇｉｇ４０４Ｃｉａｏｉｅｖｔ
ＡＢＳＴＲＡＣＴ：Ｉｅｄｎｍｉａｄｃａｇａｌｅｖｒｎｎ，ｉｔｌｇｎｅｆｕｔｉｇｏｉｓｓｅａｏｌｎｅｅｔｅｎｔｙａｃｎｈｎｅｂｅｎｉｍｅｔｎｅｌｅｃａｌｄａｎｓｓｙｔｍｃｎｎｇｒｍｅｔｈｈｏｉｏ

基于Multi—agent的电网故障诊断系统的研究

瓷 ■ｒ
维普资讯
２
继电器
５诊断结果评估Ａｅｔ负责对各个诊断子Ａ）ｇｎ： — ｇｎ的故障判断结果进行综合评价，ｅｔ确定故障没备
（一或多重）单。６电网接线生成Ａｅｔ在接收了从用户接Ｕ）ｇｎ：
的作用。该文提出了一种基于多Ａｅｔ电力系统实时故障诊断方法和系统结构。多线程技术应用于Ａｇｎ的将 —
ｇｎ的设计，ｅｔ并采用ＰＯＯＲＬＧ与ＪＶＡＡ混合编程。还给出了具体实现方法以及实验结果．．实验表明多Ａｅｔｇｎ故障诊断方法是一种有效的电力系统诊断方法，可有效地提高诊断系统对于故障事件的反应性能，在外界环
ｌ基于Ｍｌ— ｅｔ电网故障诊断系统的ｕｉｇｎ的ｔａ
结构设计
根据电力系统实时故障诊断工作的特点和
基金项目：教育部新世纪优秀人才支持计划（ＣＴ０－４）ＮＥ－０９４２
启动４种设备故障分析Ａｅｔｇｎ并行工作，对于电网停电区域中的各个一次设备是否故障进行评判。４局部结线分析Ａｅｔ根据故障跳闸信息确）ｇｎ：定停电区域，并对区域内的厂站主接线进行当前结线分析，为诊断Ａｅｔｇｎ提供故障判断区域和区域内各节点的连通情况。
推断可能故障与最终确定故障过程的基础上，引入了多Ａｅｔ术。多Ａｅｔ术是在分布式并行处ｇｎ技ｇｎ技理技术、面向对象技术、计算机网络技术发展的基础上发展起来的，的分布性、它实时性、反应性特点符合电力系统故障诊断对于事件的快速反应的要求。然而，目前电力专家们研究的较多的是Ａｅｔｇ技术在ｎ变电站故障诊断中的应用Ｊ对于Ａｅｔ电网故，ｇｎ在障诊断方面的应用研究还是比较少。Ａｅｔ自身特ｇｎ的点决定了使用Ｍｌａｅｔｕｉｇｎ技术构建的电网故障诊断ｔ－系统具有对电网事件的适宜反应速度，更有效地利用分布式系统中的信息、知识和计算资源。本文提出一种基于Ｍｌ— ｅｔｕｉｇｎ的电网故障诊断系统结构，ｔａ并分析了协作诊断过程与具体Ａｅｔｇｎ结构与实现。

基于多Agent系统的远程故障诊断系统模型

（）１远程故障诊断中心提供广域范围内共享诊断资源的平台，建立资源共享与多故障诊断系统协作机制，并为局部在线诊断系统提供支持。远程故障诊断中心以上功能得以实现的核心资源是诊断专家和故障诊断知识库。故障诊断知识库一方面为设备的故障诊断提供相应的知识；另一方面不断获取各局部在线诊断站点
［ｓｒｃ］ＷｉｅｄｖｌｐｎｆｉｆｒｔｎｔｈｏｏｙｔｅｒｓａｃｎｐｌａｉｎｏｍｏｅｆｉｒｉｎｓｙｔｍｅａｉｎｎｔｅＡｂｔａｔｔｔｅｅｏｍｅｔｏｍａｏｅｎｌｇ，ｈｅｅｒｈａｄａｐｉｔｆｒｔａｌｅｄａｏｉｓｓａｓｇｉｈｈｈｏｎｉｃｃｏｅｕｇｓｅｒｒｉ
系统模型，定义了层次划分、各层的结构以及功能，并简单介绍了Ａｅｔｇｎ问的通信与协作机制。关健诃：Ａｅｔｇｎ；ＭＡ；远程故障诊断Ｓ
Ｍｕｔ－ｇｎｙｔｍ－ａｅｍｏｅＦａｌａｎｓｓＳｓｅｏｅｌｉａｅｔＳｓｅ－ｓｄＲｅｔｕｔ－ｂＤｉｇｏｉｙｔｍＭｄｌ
ｗｏｌ．Ｔｈｓｐｐｒｐｕｓｆｗａｄａｍｏｌｂｓｄｏｌｉａｅｔｓｓｅｆｒｒｍｏｅｆｕｔａｎｉｙｔｍ．Ｔｈｕｃｉｎｏｆｅｃｉｒｉｅｉｄｒｄｉａｅｔｏｒｒｄｅａｅｎｍｕｔｇｎｙｔｍｅｔａｌｄｉｇｏｓｓｓｓｅ — ｏｅｆｎｔｏａｈｔｓｄｆｎｅ．Ｔｈｅｅｓｒｃｕｅｏｈｇｎｔａｈｔｒｉｉｃｓｅｎｈｃａｉｍｆｃｍｍｕｉａｉｎａｄｃｏｒｔｎａｎｇｎｓｉｒｅｙｉｔｏｕｅ．ｔｕｔｒｆｅａｅｓｉｅｃｅｄｓｕｓｄａｄｔｅｍｅｈｎｓｏｏｔｎｉｓｎｃｔｎｏｐｅａｉｍｏｇａｅｔｓｂｉｆｎｒｄｃｄｏｏｌ

多Agent_技术在UPS_故障诊断上的应用研究

科技与创新┃Science and Technology&Innovation ·172·2023年第22期文章编号：2095-6835（2023）22-0172-02多Agent技术在UPS故障诊断上的应用研究周凯1，周洋洋2，赵昶宇3（1.中国人民解放军92678部队，天津300202；2.海军驻天津八三五七所军事代表室，天津300308；3.天津津航计算技术研究所，天津300308）摘要：基于案例推理、粗糙集、BP神经网络和D-S证据理论，提出了一种UPS电源系统多Agent智能诊断方法。

首先采用案例推理技术实现对UPS电源系统的信号采集和故障检测；然后利用粗糙集理论对故障样本特征向量进行约简，并利用BP神经网络对约简后的故障样本集进行训练；最后将故障征兆的基本概率分配与D-S证据理论结合，通过制定诊断决策规则获得最终诊断结果。

该方法能够实现对UPS电源系统的智能故障诊断。

关键词：UPS电源系统；BP神经网络；粗糙集；D-S证据理论中图分类号：TP183文献标志码：A DOI：10.15913/ki.kjycx.2023.22.049UPS的出现在很大程度上解决了企业和个体家庭中用电设备的供电质量问题，在现阶段已成为分布式计算机系统中不可或缺的配套设备。

UPS电源系统的智能化、网络化、高频化、数字化和模块化的不断发展，导致UPS电源系统的组成和功能性能也日益复杂，一旦UPS电源系统出现故障，其故障表现形式和故障产生的原因也会各式各样。

因此，寻找一种合适的方法实现对UPS电源系统的智能故障诊断已变得日益迫切。

Agent技术的最大特点是通过与环境和其他Agent 之间的相互协作将复杂问题或者大系统进行分解和分配，并自主地将复杂问题或大系统划分为多个相对简单且面向特定问题的子系统，便于问题的求解。

将多Agent技术与故障诊断相结合，并应用于UPS电源系统中，可以充分发挥多Agent技术在故障定位和诊断方面的优势，解决了当前UPS电源系统故障诊断不深入、不彻底的问题，实现了对UPS电源系统全面准确的故障诊断。

多Agent系统研究综述

第８卷第４期２０１１年１２月
复杂系统与复杂性科学
ＣＯＭＰＬＥＸＳＹＳＴＥＭＳＡＮＤＣＯＭＰＬＥＸＩＴＹＳＣＩＥＮＣＥ
Ｖｏｌ．８Ｎｏ．４Ｄｅｃ．２０１１
文章编号：１６７２－３８１３（２０１１）０４－０００１－０８
多Ａｇｅｎｔ系统研究综述
张少苹，戴锋，王成志，张覃
包括ＭＡＳ的组织、涌现现象；从微观上看，则是Ａｇｅｎｔ心智状态的选择与描述及内部实现框架。关于当前ＭＡＳ的研究方向，主要集中在协商、规划和学习的算法方面。
１）协商（ｎｅｇｏｔｉａｔｉｏｎ）：ＭＡＳ的协调是指系统中每个Ａｇｅｎｔ对其目标、资源、思维状态等进行合理安排，以调整各自的决策和行为，实现协同、协作以及冲突消解的一种策略。协商是ＭＡＳ研究的一个重要方向，研究成果颇多。Ｗｏｏｌｄｒｉｄｇｅ［７，２１－２２］将协商框架概括为４个部分：协议、协商集、策略和规则；Ｚｌｏｔ－ｋｉｎ［２３］提出的面向领域的协商理论重点研究了Ａｇｅｎｔ在非协作域和协作域（即协商集为空和非空）的协商理论模型；张仰森所著《人工智能原理与应用》将其概括为３个方面的内容：协商协议、协商策略和协商处理。协商协议主要处理协商过程中Ａｇｅｎｔ间的交互，协商策略主要涉及Ａｇｅｎｔ内的决策和控制过程，而协商处理则侧重于对单个Ａｇｅｎｔ和多Ａｇｅｎｔ协商社会的整体协商行为的描述和分析；传统的协商是基于Ｎａｓｈ平衡的［２４］，它的缺点是Ｎａｓｈ平衡产生多个平衡点，对结果约束较少；Ｋｒａｕｓ使用Ｒｕｂｉｎｓｔｅｉｎ的 “最佳 ”平衡（ＰｅｒｆｅｃｔＥｑｕｉｌｉｂｒｉｕｍ，简称ＰＥ）理论，建立了一种基于ＰＥ的协商方法［２５］，Ｋｒａｕｓ还将对时间的偏好引入这一理论中，但对于如何求解唯一的ＰＥ并未给出明确答案；Ｅｐｈｒａｔｉ提出了一种集中式的协商方法［２６］，用一个“ｍａｓｔｅｒａｇｅｎｔ”或组投票机制以达成协议；此外，还有基于意图、基于范例推理的合同网及基于劝说等相关协商理论。［２７］

基于Multi—Agent的电网故障精确诊断系统的研究

基于Multi—Agent的电网故障精确诊断系统的研究【摘要】提高电网故障智能诊断系统的精确性能够帮助工作人员更加快速、准确的判断故障类型与故障元件，做出更具针对性的决策，缩短事故处理的时间，有效地预防和控制突发事故。

本文提出一种基于多Agent系统的电网故障精确诊断方法和系统结构，并采用FIPA ACL专用语言对Agent间的通信与写作进行程序编写，并将模糊算法和神经网络混合诊断策略应用于该系统，有效提高诊断系统的实时性与精确性。

【关键词】Agent;电网系统;故障诊断;精确1.电网故障精确诊断系统的整体设计电网故障诊断系统的多Agent模型包括数据采集层、数据处理层、故障诊断层、故障决策层、检修计划层，系统的整体结构如图1所示。

图1 基于Multi-Agent的电网故障精确诊断系统结构各Agent的功能描述如下：（1）实时数据采集Agent：从SCADA系统中获取电网状态的数据并对数据整理传至故障诊断Agent，同时监听故障跳闸事件，唤醒结线分析Agent与故障诊断Agent。

（2）结线分析Agent：确定并显示停电区域，对该区域接线进行局部结线分析。

（3）故障类型库、故障诊断Agent与诊断结果评估Agent：这是整个诊断系统的核心部分。

故障类型库多个Agent并行工作，根据开关跳闸信号，来判断可能的故障类型;故障诊断Agent求得故障隶属度最大的故障，初步确定故障类型;诊断结果评估Agent则得到故障的严重程度。

（4）案例分析Agent：是通过实时数据得到的诊断结果处理成案例，为以后的诊断工作提供辅助。

（5）规则库管理Agent：提供诊断规则，对规则库的维护和管理。

（6）接线图生成Agent：自动生成厂站接线图，以便故障类型库调用;在故障发生后，可以将故障跳闸区域显示在屏幕上。

2.电网故障诊断系统的核心部件设计2.1 故障类型库诊断Agent内部结构如图2所示：图2 故障分析Agent内部结构主要部件功能如下：（1）控制部件：对Agent的动作及任务进行分析、优化、监控以及执行。

基于多智能体系统的故障诊断技术研究

基于多智能体系统的故障诊断技术研究随着机器人技术的不断发展，其在各个领域的应用也越来越广泛。

然而，机器人在工业生产中的应用必然伴随着故障的出现，这就要求我们研究更加高效、准确的故障诊断技术。

而基于多智能体系统的故障诊断技术便是一种有效的解决方案。

多智能体系统(Multi-Agent System, MAS)是指由多个独立个体组成的系统，每个个体都拥有自己的感知、决策能力，并能够相互协作完成任务。

在实际工业生产中，机器人也可以看做是一个个智能体。

基于MAS的故障诊断技术主要通过建立各智能体之间的信息交互与合作模式，保证故障信息能够及时准确地传递和处理。

在实现MAS故障诊断系统时，我们需要首先考虑的是各个智能体之间的信息传递方式。

常见的信息传递方式包括：事件触发、周期性、请求-响应、广播等。

在实际应用中，根据机器人的不同情况，我们可以选择适合的信息传递方式，以达到最好的效果。

接下来，我们需要考虑如何提高故障诊断的准确率。

在MAS系统中，每个智能体都具有独立的感知和判断能力，它们可以帮助其它智能体诊断故障。

另外，不同智能体之间还可以通过协作、共享信息、互相验证等方式提升故障诊断的准确率。

同时，我们也需要关注如何提高故障诊断的效率。

在MAS系统中，各个智能体之间可以共享信息，这使得故障评估和诊断可以同时进行，降低了故障处理的时间和成本。

另外，还可以通过设立故障诊断规则、优化算法等方式来提高故障诊断的效率。

基于MAS的故障诊断技术具有明显的优势，特别是在复杂机器人系统和高风险领域中的应用。

MAS系统可以根据不同的情况，选取最合适的智能体来进行任务，提高了实际生产效率。

同时，由于MAS系统具备较强的自适应能力，可以快速适应不同的生产环境和难度程度，提高了故障诊断的准确率和效率。

综上所述，基于MAS的故障诊断技术可以应用于机器人等自动化生产设备的故障预测与诊断，具有较强的实际应用价值。

它不仅可以提高生产效率，减少人力成本，还可以降低故障处理的风险，给工业生产带来新的发展方向。

基于FPN推理的多Agent网络故障诊断系统的研究

基于FPN推理的多Agent网络故障诊断系统的研究
乐晓波;张磊
【期刊名称】《计算机工程与设计》
【年(卷),期】2008(29)20
【摘要】多Agent诊断系统是一种分布式系统,现已在故障诊断中得到广泛应用.提出一种基于FPN推理的多Agent网络故障诊断模型,该模型利用各部分Agent 模块来完成故障诊断过程中的信息搜集与分析,故障的确定以及对故障的处理,其中故障的确定由模糊Petri网推理算法来完成.该模型综合了FPN推理算法的并行性以及多Agent技术对故障诊断与处理的智能性的特点,为实现网络故障的快速诊断提供了一条全新的思路.
【总页数】4页(P5203-5205,5208)
【作者】乐晓波;张磊
【作者单位】长沙理工大学计算机与通信工程学院,湖南长沙,410076;长沙理工大学计算机与通信工程学院,湖南长沙,410076
【正文语种】中文
【中图分类】TP277
【相关文献】
1.基于多Agent和CSCW的通信网络故障诊断系统 [J], 杜勇;陈森发;杨莉;
2.ASON网络故障诊断系统推理机的设计与研究 [J], 车雅良;林初善;潘青;穆岁宁;邵云飞
3.基于多Agent的网络故障诊断系统 [J], 李千目;孙向军;刘凤玉
4.故障诊断系统中基于多Agent的并行推理机制研究 [J], 曹立军;秦俊奇;马吉胜;王兴贵
5.基于Multi-Agents分布式医学诊断系统研究 [J], 张全海;叶晨洲;施鹏飞
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于多Agent远程分布式故障诊断系统模型

（军９６５队海２６部慈利４７０）２２０
摘
要
简要介绍了Ａｇｎ与多Ａｅｔ的相关知识，以军用通信系统为例，析了远程分布式故障诊断的系统结ｅｔｇｎ并分
构，提出了一种基于多Ａｅｔ程分布式故障诊断模型，其系统工作流程进行了简要介绍。并ｇｎ远对关键词Ａｇｎ；Ａ；分布式故障诊断ｅｔＭＳ
总第２０６期２１０１年第６期
计算机与数字工程
Ｃｍｐｔｒ＆ＤｉｉｌｇｎｅｉｇｏｕｅｇｔｉｅｒｎａＥｎ
Ｖｏ１９．３Ｎｏ．６
５８
一
种基于多Ａｇｎ远程分布式故障诊断系统模型ｅｔ
李军虎
Ｔ３３Ｐ９中图分类号
ＡｍｏｅＤｉｔｉｕｅｕｔＤｅｅｔｏｏｅａｅｎＭｕｔ— ｇｎｙｔｍＲｅｔｓｒｂｔｄＦａｌｔｃｉｎＭｄｌＢｓｏｌｉａｅｔＳｓｅｄ
ＬｉｎｈｕＪｕ
（．，Ｃｉ４７０）ｌｉ２２０
ＫｙＷｏｒｓＡｇｎ，ＭＡＳ，ｄｓｒｕｅａｌｄｔｃｉｎｅｄｅｔｉｔｉｔｄｆｕｔｅｅｔｂｏ
ＣｌｓｍｂｒＴＰ９ａｓＮｕｅ３３
１引言
随着现代复杂电子装备的高技术化，结构日其益复杂功能更加强大，种信息技术、能技术广各智泛应用其中，得装备的维修保障问题日渐突出。使电子装备系统具有复杂化程度高、障征兆交叉混故淆、故障因素相互制约、以进行精确的状态描述难等特点，电子装备故障诊断领域，统的故障诊在传断技术已经无法满足现代战争对故障诊断的要求。因此，迫切需要研究新的更加高效可靠的电子装备

基于多Agent的装备智能故障诊断系统研究

1.Agent 和多Agent 系统 Ag llt是指一个运行与动态环境下的具有较高自 e 治能力的实体，其根本目标是接受另一个实体的委托并为之提供帮助或服
务。在某种意义上，Agent 可以理解为一种物理的或软件时的机器人，能自主地完成所赋予的任务。Agen 有四个最基本的 t
ห้องสมุดไป่ตู้
的配置文作为内件中核启动参数指定，如，比在grub 。中 conf 加入 ” resu正 dev/ h as ”。内存数据的保存首先要获取空 e=/ d
内存页面数据，页表目检查swap 分区，录，如果swap 分区标识为SISUSP 或者SZSUSP ，表明有hibernate 数据，系统
将从s w a p 分区中恢复。因此，此环节是要完成如下操作: 3。. 1. 1检查swap 分区， 2 判断是否有h bernat 数据， i e 如果有则继续执行 R ES U ME ，否则退出，系统正常
} 或表现出被 :代理者具有
:识。由多
月力旅盼心匆州口翻中
1 所有意的
户圈
启肠攀习孟心万诊匆，
硕 . 蕊‘ 玲幼，
:Agent 构成 :的系统也就
能模仿人类
社会的组织结构。据此可用基于多Agellt 的智能诊断系统进行武
器装备的故障诊断。 2，远程故障诊断系统的结构我们设计了一种甚于 Agen 的远程故障诊断系统，系统的 t 结构见图1，系统的核心是远程故障诊断专家系统，根据所处位据。
型。当前，我军武器装备建设正在加速发展，列装部队的新装备已越来越多。这些装备结构复杂，集多种新技术、新材料、新工艺于一身，信息技术含量较高，维修保养和故障诊断难度较大，传统的机械化保障手段和 ’ ‘ 眼看、耳听、手摸 ” 等判断故障的维修方式已经远远不够了，这也要求我们在保障训练中增大信息技术应用的比重，使装备保障跟上武器装备发展的步伐。另一方面，发源于分布式人工智能的Age t 技术， n 已经成功地应用于其他领域，成为一种设计和开发软件的新方法。这使得将Agellt 技术与故障诊断技术结合，从而构造诊断 Agel飞成为 t，了当前智能诊断技术发展的重要方向。本文在分析介绍Agellt 和多Age们系统之后， t 给出了构造基于多Age们的智能故障诊断系 t 统的总体结构，最后对关键问题和实现技术进行了讨论。有分布性的问题，能提高系统的效率和鲁棒性。建立基于Agent 的系统的目的在于把它们作为人类或社会行为的智能代 : 理，则Agellt :就能模拟出

多Agent诊断系统的几个问题研究

2000年2月系统工程理论与实践第2期　多A gen t诊断系统的几个问题研究夏敬华,陆宝春,张　卫,张世琪(南京理工大学制造工程学院,江苏南京210094)摘要:　首先建造了一种包括应用A gent和服务A gent的两层多A gent诊断系统结构,并给出了应用A gent和服务A gent的内部结构Λ在此基础上,设计了基于故障模式聚类的应用A gent内部故障求解机制,研究了多A gent模糊关联模型Λ最后,基于多A gent模糊关联模型,探讨了多A gent系统的诊断与决策问题Λ关键词:　多A gent系统;模糊关联模型;故障诊断中图分类号:　T P391;T P11 αR esearch on Several Q uesti on s abou tM u lti2A gen t D iagno stic SystemX I A J ing2hua,LU B ao2chun,ZHAN G W ei,ZHAN G Sh i2qi(N an jing U n iversity of Science&T echno logy,N an jing210094)Abstract:　In th is paper the structu re of m u lti2agen t diagno stic system including app li2cati on agen ts and server agen ts is firstly created,and the in ternal structu re of agen ts isalso p resen ted.T hen the in ternal fau lt diagno stic m echan is m of app licati on agen ts basedon the clu stering of fau lt pattern s in designed,and the fuzzy co rrelative model of them u lti2agen t diagno stic system is researched.L astly the fuzzy co rrelative diagno sis anddecisi on2m ak ing of the m u lti2agen t diagno stic system is studied based on the m u lti2agen tfuzzy co rrelative model.Keywords:　m u lti2agen t system;fuzzy co rrelative model;fau lt diagno sis1　引言在制造领域,各种智能辅助方法日益得到研究和应用,而以多种智能手段集成解决制造领域的相关问题已经成为研究重点,其中分布式人工智能技术作为一种建立在分布式控制结构基础上的智能手段的集成方法,以其特有的优势正逐渐被人们认识和重视,并日益向制造领域渗透,并已经涉及到从产品设计、制造、管理等制造领域的全过程[1～3]Λ制造过程监控是制造系统自动化中的一项基本技术,它通过获取和分解制造过程中的有关信息,从而对制造设备的运行状况、制造过程的工作状况、制造产品的质量等进行监视和控制Λ为了达到制造过程监控目的,前提必须是要对制造过程及设备的运行状况作出正确的识别,以提供系统决策的可靠信息Λ而制造过程及设备的工作状况识别,在很大程度上是一故障诊断问题,即基于相关制造及设备信息,运用一定的诊断推理方法,对系统进行故障模式的判别Λ制造系统作为复杂巨系统,随着设备功能和结构的复杂化,单一的智能诊断途径已经不能适应领域问题求解的需求,其所构建的诊断系统日益显示出分布式、集成化、混合式发展的趋向Λ本文基于分布式人工智能的思想,为给制造过程的监控奠定信息基础,建造了一种多A gen t诊断系统α收稿日期:1998207216资助项目:863计划资助项目(86325112212202)结构,对各A gen t 的内部诊断机制及多A gen t 间的关联模型进行了研究,在此基础上,探讨了多A gen t 的诊断决策问题Λ2　多Agen t 诊断系统结构现代制造系统和设备的物理结构和功能特征使诊断问题日益呈现出一种分布化的趋向,相应地需要建立分布式诊断结构,以提高问题求解的效率、可靠性,使建造的系统更适合领域问题特征,并具有良好的开放性Λ考虑到诊断系统的分布式结构特征,诊断问题可用一四元组〈I ,S ,M ,O 〉来表达,其中I 代表广义输入信息,是定性定量知识的集成;S 代表诊断系统结构;M 表示广义推理方法,其是多种诊断推理方法的集成;O 代表广义输出,包括系统工作状态、决策指令、控制方法等Λ图1　多A gent 诊断系统总体结构诊断系统的结构建造是按照地理位置以及功能和结构分解的原则,将问题分布在多个问题求解节点上,每个求解节点构成一个A gen t ,它们可以是专家系统、也可以是神经网络,关键在于其求解方法要适合领域问题的特点Λ由此对每个A gen t 都对应着问题求解知识库,可以是以规则形式描述的,也可以是分布存储于人工神经网络的结构中Λ这种分布式多A gen t 诊断系统的结构可用图1来表示Λ如图1所示,A gen t 1至A gen t n 是系统的n 个诊断子系统,称为应用A gnet ,它们各自完成自己局部的诊断决策任务,并全部互连于一信息总线中,进行直接的信息交互;而A gen t 0是综合诊断决策子系统,称为服务A gen t ,其综合A gnet 1至A gnet n 的信息进行全局诊断和决策Λ在n 个应用A gen t 内部还可以进行进一步的分解,形成多个子A gen t Λ各应用A gen t 在其子A gen t 诊断信息的基础上,进行分布式诊断,同时结合其它应用A gen t 的相关信息,最终对自身的工作状态作出正确判断,并经融合和协调处理后给出相应的自我决策Λ应用A gen t 和服务A gen t 的内部结构分别如图2、3所示,两者工作的核心环节是黑板Λ在应用A gen t 中,黑板不但作为内部子A gen t 信息的存储区,还作为与其它应用A gen t 及服务A gen t 信息传输的中转站;同样,在服务A gen t 中,它通过全局黑板接受各应用A gen t 的信息,加以融合协调后对系统做出全局的诊断和决策,同时它通过全局黑板向各应用A gen t 发送全局诊断和决策信息,使各应用A gen t 了解系统全局的运行状态及接受服务A gen t 的决策指令Λ图2　应用A gent 内部结构图3　服务A gent 内部结构这种多A gen t 诊断结构不但使分布式诊断和分布式的信息交换成为可能,而且具有良好的开放性,当系统复杂化时,只需增加服务A gen t ,让其负责管理若干个应用A gen t ,这样便得到一般化的两层(即服务层和应用层)多A gen t 诊断结构Λ22系统工程理论与实践2000年2月对于各应用A gen t ,它们之间是一种宏观层次上的高内聚松耦合结构,高内聚是指每个A gen t 具有关于其领域问题求解的比较充分的知识,基本上无须求助于另外的A gen t ,松耦合是指各A gen t 的状态对于其它A gen t 的影响,表现为各A gen t 在功能上非确定性的具有模糊特征的关联和约束关系,而多A gen t 这种宏观上的约束和关联常常是多A gen t 诊断和决策必不可少的因素Λ如何在A gen t 内部诊断基础上,描述出A gen t 间的关系和创建A gen t 间的关联模型,是多A gen t 诊断系统进行诊断和决策的关键Λ3　Agen t 内部诊断机制各应用A gen t 内部的诊断是进行多A gen t 全局诊断和决策的基础,本文针对各应用A gen t 构造出其内部故障和征兆的模糊关联矩阵,基于此以矩阵计算的方法作为A gen t 内部故障求解的手段Λ311　故障模式聚类A gen t 1至A gen t n 分别完成各自的诊断任务,在其内部,需要做进一步的知识再分解Λ这种故障的再分解实质上就是对故障进行模式聚类,将相似的故障聚集在一起形成特定的故障诊断求解空间,以使故障诊断时只在一定的空间上进行求解,避免诊断搜索过程的盲目性和无关性Λ故障模式聚类是根据故障和征兆之间的相关性进行的,即对多个故障,按其征兆的相似性合理地进行分类Ζ设∃是待诊断系统中故障和征兆构成的求解全空间,其内聚一定的求解方法,通过故障模式聚类,按照一定的相似性算子f ,将∃划分为若干个求解子空间∃i (i =1,2,…,k ),且满足:1)∃=∪ki =1∃i ,即求解子空间的并集构成了求解全空间∃;2)∃i ∩∃j (i ≠j )= ,即在相似性算子f 下,两两求解子空间是互不相交的;3)每一求解子空间∃i (i =1,2,…,k )对应一故障原型M i (i =1,2,…,k ),所有的故障原型构成了诊断系统的故障原型集M ={M 1,M 2,…,M k };4)每一求解子空间∃i ,可求解的故障是f 相似的;5)当相似性算子f 变化时,求解子空间∃i 相应变化,形成动态的故障求解子空间Ζ312　聚类方法要对故障进行模式聚类,关键是要构造多个故障间的模糊相似矩阵,故障间的相似性是以每一故障所对应的征兆的相似性来量度的Ζ设有待聚类的故障样本集合为X ={x 1,x 2,…,x m },m 为故障样本容量Ζ每个故障样本有n 个指标,即该故障对应的征兆可能性量度,表示为:x j ={x j 1,x j 2,…,x jn },(j =1,2,…,m )Ζ其中,n 代表所有可能的故障征兆的数目,{x j 1,x j 2,…,x jn }代表故障x j 所对应的征兆指标,其值表示当故障x j 发生时,它对应的征兆出现的可能性,且x j i ∈[0,1],x j i 等于0时表示该征兆和故障x j 毫不相关,x j i 等于1时表示该征兆与故障x j 必定相关Ζ由此相对于m 个故障可得到m 个故障指标,从而可构造故障间的模糊相似矩阵R Ζ定义　r ij =1-6nk =1(x ik -x jk )2n ,则故障间模糊相似矩阵R 为:R =r 11r 12…r 1m r 21r 22…r 2m r m 1r m 2…r mm ,且R 满足:①r ii =1,i =1,2,…,m ,表示故障是自相似的;②r j i =r ij ,即R 是对称矩阵;③r ij ∈[0,1].在构造出上面的故障相似矩阵后,将可以它为基础进行故障的模式聚类,这里采用最大树法对故障直接聚类[4],每个故障表示为树的一个叶点,按照r ij 的大小顺序用直线将叶点用树枝连接,以r ij 作为树枝的权重Ζ若在某一步出现回路便不画这一步,直到所有的故障叶点连通为止,这样便得到了一棵最大树Ζ取定相似性算子f ,去掉权重低于f 的连线,即可将故障分类,互相连通的故障叶点聚为一类Ζ32第2期多A gen t 诊断系统的几个问题研究如果所有m 个故障聚为K 类,相应地对应K 种故障原型,M ={M 1,M 2,…,M K }Ζ如果第i 种故障原型M i 中有l 个故障,即M i ={m i 1,m i 2,…,m il },每一故障都对应着故障征兆指标行矩阵x j ={x j 1,x j 2,…,x jn },j =1,2,…,l ,取定阙值Κ,x j 中小于Κ的元素表示该征兆和故障毫不相关,在行矩阵x j 中去掉这些征兆指标元素得到更新行矩阵x ′j ,由此得到对应M i 的l 个故障指标更新行矩阵,从而可以构造M i 的局部故障征兆关联矩阵R i 0,R i 0=(x ′j )l ×h i ,其中h i =m ax j =1,2,…,lk (x ′j ),k (x ′j )表示行矩阵x ′j 的元素个数,且矩阵经归一化处理后满足6h ii =1x ′j i =1,j =1,2,…,l .这样构造出的局部故障征兆关联矩阵R i 0是全体故障与征兆关联矩阵R 0的块矩阵,从而在利用R i 0进行故障求解时只进行相关故障征兆的矩阵计算,可有效地减少计算量,提高故障诊断求解的目的性和针对性Ζ313　诊断知识的表示与求解在构造出上述的K 个故障征兆关联矩阵后,将可以利用获取的征兆通过矩阵计算诊断出所发生的故障及其可信度Ζ这里称R i 0为故障诊断的推理矩阵,对应于K 个故障原型共有K 个推理矩阵Ζ基于R i 0便可以根据征兆诊断推理出故障原因,诊断算法表述为Y i =R i 0 X i Ζ其中Y i 表示诊断出的故障原因集,X i 表示标准化的征兆矩阵, 表示广义推理符,根据实际情况取∧,∨,+,-等计算符Ζ如上所述,在进行故障的诊断推理时,需三个步骤:1)推理矩阵R i 0的优选,即根据具体的征兆选择合适的推理矩阵;2)征兆矩阵的标准化,即在1)的基础上,通过一定的处理将征兆用矩阵X i 的形式表示出来;3)故障诊断的矩阵计算,即在已知R i 0和X i 的基础上,求解Y i =R i 0 X i ,诊断出故障原因集ΖR i 0的优选法设有K 个推理矩阵,有输入征兆为I i ,k (I i )代表I i 的个数,满足k (I i )=o (I i )+o λ(I i ),其中o (I i )表示I i 中和R i 0相同的征兆元素的个数,o λ(I i )表示I i 中和R i 0不相同的征兆元素的个数,定义优选算子为∆=o (I i )-o λ(I i )h i(∆Φ1),则对优选矩阵R i 0满足在所有的K 个推理矩阵中其∆值最大Ζ征兆矩阵的标准化在优选出推理矩阵R i 0后,去除输入征兆集I i 中与优选推理矩阵R i 0无关的征兆元素,按R i 0的列数h i建造征兆矩阵X i =(t i 1,t i 2,…,t ih i ),(t i 1,t i 2,…,t ih i )表示输入征兆集I i 中征兆元素的可信度,当O (I i )<h i 时在矩阵X i 中补0即可,这样构造出的X i 就称为相对于优选推理矩阵R i 0的标准化征兆矩阵Ζ故障推理的矩阵计算在得到R i 0和X i 后,将可以通过Y i =R i 0 X i 计算出Y i =(y i 1,y i 2,…,y il ),其中y ij (j =1,2,…,l )表示故障的可信度,取定阙值Σ,对于y ij <Σ的故障,取其可信度为0,由此便得到经Σ截集后的Y Σi ,此即为诊断出的故障和其可信度Ζ4　多Agen t 诊断系统模糊关联模型考虑到在系统诊断问题分解时就尽量让各应用A gen t 的求解知识高内聚,联系关系松耦合Λ它们之间基本上只是一种状态的影响,更多地体现出一种状态模糊关联关系,表现在每个A gen t 状态的模糊性,以及A gen t 间关系的模糊性Λ为了表达A gen t 间的这种模糊关联,可建立A gen t 模糊关联矩阵Λ411　Agen t 工作状态的表达通常一应用A gen t 的工作状态可用其能够继续工作的可能性来进行量度Λ这种能够正常工作的状态是和A gen t 所发生的故障密切联系在一起的,以S 来对应用A gen t 的工作状态进行描述,S ∈[0,1],它表达了应用A gen t 的状态和它所发生的故障之间的关系,S 的值作为应用A gen t 工作状态的特征值Λ定义1　应用A gen t 的工作状态特征值为其发生的所有故障的可信度与其权重乘积之和,表示为S =42系统工程理论与实践2000年2月6R i ×W i ,且满足6W i =1,S 越大,A gen t 工作状态越差Λ其中,R i 表示故障发生的可信度,W i 是故障对应的权重,表示其对应用A gen t 工作状态的影响程度,W i 越大,影响程度越高Λ定义2　应用A gen t 的工作状态是其工作状态特征值S 在A gen t 工作状态语言变量上的一种模糊映射,表示为Β:S →#(S )ΛA gen t 工作状态语言变量是一个五元组#(S )=〈S ,T (S ),U ,G ,M 〉Λ其中,S 表示工作状态特征值,是变量;U 是S 的论域,U =[0,1];T (S )是语言变量值的集合,每个语言变量是定义在论域U 上的一个模糊集合;G 是语法规则,用以产生语言变量值的名称,M 是语义规则,用以产生模糊集合的隶属度函数ΖT (S )的语言变量值越多,应用A gen t 的工作状态分解就越细Λ412　Agen t 间关系描述在多A gen t 诊断系统中,各应用A gen t 之间具有一定的影响和被影响关系Λ通常这由两方面要素决定,一方面是A gen t 在整个系统的重要程度,另一方面是A gen t 间的相对关系,为形象地表达A gen t 的这两方面的特征,可用图4的A gen t 工作状态电路图来进行模拟表达Λ如图4所示,六个应用A gen t 共同协作完成系统的工作任务,它们构成了一种混联结构Λ该图不仅反映了各个应用A gen t 在系统中的影响程度,而且反映了它们之间的依赖关系Λ在上图中,如果将应用A gen t 的工作状态映射为电路中的工作电阻,当其状态良好时,相当于工作电阻趋近于0,对任务的执行基本上没有阻碍作用;而当有故障发生,使其工作状态变坏时,相当于其工作电阻增大,对任务的正常运行起阻碍作用Λ显然每个应用A gen t 的工作电阻的变化必然会引起电路中其它应用A gen t 的工作,而且并联A gen t 的影响度要小于串联A gen t 的影响度,即在图中A gen t 1和A gen t 4对其它A gen t 的影响要比A gen t 2和A gen t 3对其它A gen t 的影响程度大Λ在图4中,A gen t 2和A gen t 3构成了局部的并联结构,而A gen t 5和A gen t 1、A gen t 2、A gen t 3、A gen t 4间则形成了一种相对于系统总任务的并联关系;而并联关系的弱化就形成了独立的A gen t 结构,如图4中以虚线表示的回路3所示Λ图4　A gent 关系的模拟电路表达由此可知,不同的应用A gen t 间的关联程度各不相同,概括说来,它们间的关系可分为以下几种情况Λ1)“串联关系”,串联应用A gen t 间具有较强的约束关系,有着比较严格的任务时序关系,它们之间是一种紧耦合的关系;2)“并联关系”,并联应用A gen t 间约束强度较弱,是一种松耦合的关系;3)“独立关系”,是并联关系的弱化,相互之间对于系统总任务或局部子任务的工作是完全独立、互不影响的Λ413　Agen t 间关联矩阵的构造以上对应用A gen t 间的关系作了定性的描述,给出了几种A gen t 间不同的相互关系,但在实际操作中,仅有A gen t 间关系的定性表达是不够的,还应对A gen t 间关系作出定量表示,以提供多A gen t 系统诊断决策的量化的信息基础Λ所以在每个A gen t 工作状态表达机制的基础上,应建立多A gen t 模糊关联矩52第2期多A gen t 诊断系统的几个问题研究阵,以得到A gen t间模糊关系的量化表达Λ定义3　设系统有n个应用A gen t,称系统为n维应用A gen t系统,n维A gen t系统模糊关联矩阵为定义在该n维系统上的n×n矩阵R′,表示为:R′=a11a12 (1)a21a22 (2)a n1a n2…a nn=0a12 (1)a210 (2)a n1a n2 0且有以下特点:1)a ij表示第i个应用A gen t对第j个应用A gen t的关联度,也即影响程度;2)矩阵R′中对角线元素为0,即a11=a22=…=a nn=0表示各应用A gen t是自不相关的;3)矩阵R′中元素a ij∈[-1,+1],当a ij∈[-1,0)时,表示A gen t i对A gen t j产生负影响;相反,当a ij∈(0,1]时,A gen t i对A gen t j产生的是正影响;4)a ij和a j i并不一定相等,当两者相等时,A gen t i和A gen t j间是对称等价影响关系;不相等时,表示两者是非对称等价的Λ5　多Agen t模糊关联诊断与决策在构造出多A gen t模糊关联矩阵后,将可以通过对应用A gen t自身状态与其它应用A gen t对其的影响情况进行综合分析,更准确地对每一应用A gen t及整个系统作出诊断和决策,也就是综合它们工作的内外部因素,更全面的考虑其处于的现实工作状态以及可能的变化趋势Λ设对某一应用A gen t的诊断决策为D i,D i=S i E i,其中S i表示第i个应用A gen t的自身工作状态值,即内部因素,它反映A gen t处于的现实工作状态;E i表示第i个应用A gen t相对于其它(n-1)个应用A gen t的关联值,它是A gen t关联值矩阵E1×n中的第i个元素,表示A gen t的外部因素,更多地反映A gen t 的趋势性变化; 表示综合诊断决策符,即综合应用A gen t的内外部因素对其进行综合诊断与决策Λ为了给出E1×n的表达式,首先定义应用A gen t影响矩阵IΛ定义4　设n个应用A gen t系统的工作状态矩阵为S=(S1,S2,…,S n),则定义该A gen t系统的影响矩阵I为矩阵S的拓展,表示为I=(I1,I2,…,I n),I i=S i3K i,且6n i=1K i=1,其中K i表示第i个A2 gen t相对于整个系统的权重,即其重要度的描述Λ由定义4给出的I,就可以得到应用A gen t关联值矩阵为E1×n=I×R′,所以有E i=6n j=1I j3a j iΛ由此便可以得到每个应用A gen t状态的准确描述,从而可以更好地作出诊断与决策Λ在对每个应用A gen t的诊断决策的基础上,可实现对整个系统的诊断决策,表示为D=D1 D2 … D nΛ应该明确,S i和E i只是提供对A gen t诊断决策的数值基础,诊断决策在很大程度还依赖于综合诊断决策符 Λ而并不简单地代表着一种代数计算符号,它是一种广义算子,是一施加在S i和E i上的操作序列,是几种求解算子的集成Λ一般情况下,综合诊断决策符代表着状态空间映射、逻辑推理、规则匹配等运算过程,即首先基于S i和E i的值,由状态空间映射得到A gen t处于的内部工作状态及其外部影响因素,然后基于专家知识与决策规则对A gen t作出诊断与决策Λ同理,在每个应用A gen t工作状态及其诊断决策结果的基础上,通过A gen t0可以对系统的总的运行状态作出诊断、评估和决策Λ下面给出综合诊断决策符的数学化描述Λ定义5　综合诊断决策符是施加在各应用A gen t个体和系统整体上的广义算子,包括应用A gen t局部诊断决策广义算子Φi(i=1,2,…,n)和系统全局诊断决策广义算子Φ0,且满足D i=Φi(S i,E i,e i),D=Φ0(D1,D2,…,D n,e)Ζ其中,e i代表第i个A gen t的辅助诊断决策信息,e表示整个系统进行诊断决策时所62系统工程理论与实践2000年2月需的辅助信息Λ图5　多A gent 系统局部诊断决策与全局诊断决策的集成每一局部诊断决策算子都是一串行操作序列,表示为Φi =Φ1i 3Φ2i 3…3Φk i ,其中“3”表示广义积,是一有序的串行操作Λ而多个局部诊断决策算子之间则形成了一种并行处理结构,多个局部诊断决策的结构提供了系统全局诊断决策广义算子的输入Λ这种多A gen t 的综合诊断决策问题可用图5来表示,它可以清晰地表述出这种集成各应用A gen t 局部决策诊断和系统全局诊断的方式Λ6　结论基于分布式人工智能的思想,本文首先建造了一种分布式多A gen t 诊断系统结构,诊断系统分为应用A gen t 和服务A gen t ,它们基于分布式的“黑板”通讯机制实现信息交互,从而使分布式的信息交换和分布式的诊断得以实现,增强了系统处理问题的效率、可靠性和容错性,并使系统具备了开放式的结构,易于扩充Λ在分布式多A gen t 诊断系统结构基础上,本文设计了基于故障模式聚类的矩阵计算方法的故障求解机制,并对多A gen t 宏观上的约束和关联进行了研究,建立了应用A gen t 工作状态的表达机制,确定了应用A gen t 间的工作状态影响关系,并构建了多A gen t 模糊关联矩阵,从而为多A gen t 诊断决策奠定了基础Λ最后,基于多A gen t 模糊关联模型,给出了多A gen t 诊断系统局部诊断决策与全局诊断决策的集成描述结构Λ参考文献:[1]　Su san E L ander .Issues in m u lti 2agen t design system s .IEEE Expert In telligen t System s &T heir A p 2p licati on ,1997,12(2):18～26.[2]　A lec Sto thert ,Ian M M ac L eod .D istribu ted in telligen t con tro l system fo r a con tinuou s 2state p lan t .IEEE T ran sacti on s on System s ,M an ,and Cybernetics —Part B :Cybernetics ,1997,27(3):395～401.[3]　M iquel Sanchez ,U lises Co rtes ,Javier L afuen te et al .DA I 2D EPU R :an in tegrated and distribu ted ar 2ch itechu re fo r w astew ater treatm en t p lan ts supervisi on .A rtificial In telligence Engineering ,1996,(1):275～285.[4]　杨伦标,高英仪编著1模糊数学原理及应用1广州:华南理工大学出版社,1995172第2期多A gen t 诊断系统的几个问题研究。

基于多Agent的分布式故障智能诊断原型系统研究

维普资讯
Ｃ４－２８什Ｎ３ｌ５／ＩＳＯ一３ＸＳＮ１１０
计算机工程与科学
ＣＯＭＰＴＲＥＧＮＥＮ＆ＳＩｈＣＵＥＮＩＥＲＩＧＣＥＥ
２Ｏ０２年第２４卷第１期
ＭｕｔＡｇｎｓｄＤｉｔｉｕｅａｌｌ — ｅｔＢａｅｓｒｂｔｄＦｕｔｉｓ
何永勇，褚福磊，陈真勇
ｌＥｎ－ｏｇ，ＣｉＹｏｇｙｎＨＵｕｌｉＣＦ・．ＨＥＺｍ・ｏｇｅＮｈｙｎ
（华大学精仪系，北京清
方法依据。
ቤተ መጻሕፍቲ ባይዱ
Ａｂｔａｔｅｅｄ，ｍｕｔａｅｔａｅｉｒｂｔｄｓｆｖｒｓｎａｅｂｅｐｅｎｅｕｃｓ— ｓｒｃ：ＲｎＹｃｌ—ｇｎｓｄｄｓｉｕｅＰａｅｓｔｓｈｖｅｎａｄｔｍａｙｆＭｓｃｅｓｉｂｔｏ．ｙｍｏｉＳ
１０８）００４
ｆｅａｔｎｆｒｃｉｎｔｍｅｔ．Ｔｉｇｕｎｖｒｉ，Ｂｔｎ００４ＣｌａＤｐｒｍｅｔｅｉｏＩｓｕｎｓｓｈａＵｉｅｓｙｅｉｇ１０８，ｌｎ）ｏＰｓｎｒｎｔｉｉ
摘
要：近年来，基于多Ａｅｔｇｎ的分布式智能系统已成功地应用于众多领域。本文将多Ａｅｔｇｎ技
术应用于故障诊断领域研究，以开发故障智能诊断的多Ａｅｔｇｎ系统，提出了其原型系统的基本框架和系统实现途径及方法，其中着重研究了基于多＿ｅｔ４ｎ理论的诊断问题分布式任务分解与控制问题，以ｇ

多Agent的智能故障诊断系统

（０７０ — ０３０１０ — ６０２０）７０８ — ４
多Ａｇｎ的智能故障诊断系统ｅｔ
李呜，魏震生
石家庄，５０３０００）
（械工程学院，北军河
摘要：多Ａｇｎ技术在大型复杂装备故障诊断领域的应用作了研究，出了复杂装备多Ａｅｔ障诊断系统模型。对ｅｔ提ｇｎ故介绍了多Ａｇｎ诊断系统的总体结构、成部分和关键技术，Ａｇｎ构造、断任务控制策略和Ａｇｎ之间的通信协调ｅｔ组在ｅｔ的诊ｅｔ等方面提出了一些新的思路。仿真和实际数据验证表明，系统能高效、确地诊断故障，有较好的主动性、应性和交互该准具适诊断性，有一定的应用前景。具关键词：障诊断，Ａｅｔ控制策略，作故多ｇｎ，协
ａｏｄｏｓｒｃｉｎｏｆａｎｔｏｎｒｌｓｒｔｇｙｏｆｄｉｇｓｓａｋ，ｃｍｍｕｎｃｔｏｎｏｏｅａｉｎｏｎｄｆｕｎｓｃｎｔｕｔｏｇｅ，ｃｔｏｔａｅａｎｏｉｔｓｏｉａｉｎａｄｃｐｒｔｏｆａｅｓＰｒｃｉａｎｄｅｇｎｔ．ａｔｃｌａｍｕｌｔｏｌｄａａｅｒｓｅｈｔｔｓｓｔｍａｅａｅｔｆｉｉｎｔｙａｃｕａｅｙａｉｎａｔｘｐｅｓｓｔａｈｉｙｓｅｃｎｂｂｌｏｅｆｃｅｌｎｄａｃｒｔｌｄａｎｏｅａｕｔａｄｏｓｓｅｂｔｅｇａａｓｉｇｓｆｌ，ｎｐｓｅｓｓｅｔｒｏ— ｈｅｄｉｍａａａａｌｔａａｔｒａｉｎｎｄｄｐｔｂｉｉｙｎｄｌｅｎｔｏｏｆｉｇｓｓ，ａｄｄａｎｏｉｎｐｏｓｓｅｆｎｔｐｉａｉｏｅｒｕｓｅｓｓｄｅｉｉｅａｐｌｔｏｎｆｒｇｏｎｄ．ｃＫｅｒｓ：ａｔｄａｎｏｉｙｗｏｄｆｕｌｉｇｓｓ，ｍｕｔ－ｇｎｌｉａｅｔ，ｃｎｔｏｔａｅｙ，ｃｏｒｔｏｏｒｌｓｒｔｇｏｐｅａｉｎ

基于Multi-agent的电梯曳引机故障诊断系统研究

行分析。从分析可以看出齿轮啮合时的最大应力为２１６ａ以后进行锥齿轮的疲劳寿命分析提供必要的理论基础。７．ＭＰ，８按照经验可知，２ＣＭｎｉ对０ｒＴ这种材料来说，７．６ａ的应力是参考文献２１ＭＰ８
合理的。
［］１姜海军．Ｕ基于Ｇ的直齿圆锥齿轮三维建模研究［．Ｊ煤矿机，０，）］２５（：０７
７７．４— ６
５结论
通过对水平摘锭采棉机摘锭座管传动系统中存在的齿轮失
［］２谭庆昌，赵洪志．机械设计ＥＩＭ．：北京高等教育出版社，０４２０．［］３李晋山．提高渐开线齿轮轮齿齿根弯曲强度的措施［］Ｊ．机床与液压，
２０（）０４，４．
ｇｎ具有某些智能，能够收集现场各种传感器的信息并能表现出目标驱动的行为。（）４社交性：ｇｎ之间通过ＡｅｔＡｅｔｇｎ通态监控Ａｅｔ信语言相互作用。
目前最常用的Ａｅｔ型是ＢＩ（ｅｅ，ｅｉ，ｔｔｎｇｎ模ＤＩＢｌｆｓｅＩｅｉ）ｉＤｒｎｎｏ模型，结构，图１示。其如所
（）３系统管理Ａｅｔ系统管理Ａｅｔｇｎ：ｇｎ主要是对各个Ａｅｔｇｎ进
任务分配及协调工作。其结构，如冈４所示。Ａｅｔｇｎ系统是对社会的模拟，微观上是针对不同的用途开发的功行管理、
１ＢＩ型结构Ｄ模
一
提供不同功能，对一般用户显示诊断界面，可查看故障点的状态、
般的故障诊断多Ａｅｔｇｎ系统包括数据采集子系统、诊断故障现象和历史记录等。对系统的管理者可以进行Ａｅｔｇｎ的创