基于多Agent的汽车起重机故障诊断模型

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于多Agent的汽车起重机故障诊断模型范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：该文提出一种基于多agent的可重构能力强、实时性好、智能程度高、便于实际应用的分布式智能故障诊断系统模型，并详细阐述该模型诊断工作过程。模型根据汽车起重机各子系统并行感知故障的情况，动态地组建Agent诊断组，共同完成诊断任务。在某工程机械企业的远程监控与维护系统应用中，该模型能快速、准确地进行故障成因分析，给出合理的决策意见，取得了与专家相似的诊断结果，提高了企业的安全运行效率。

关键词：智能体；多Agent系统； 故障诊断； 功能模型；可重购性

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）04-0852-03

Multi-agent Model of Autocrane Fault Diagnosis

XU Zhi-ming ，YOU Zhang-ping， WANG Ke-gang

（School of Mechanical Engineering， Lishui University， Lishui 323000， China）

Abstract： This paper presents an intelligent Agent-based， distributive fault diagnosis systematic model，which has fine reconfigurability， real-time， intelligence and convenient for application，and makes a detailed description for its working process. Agents are assembled to accomplish diagnosis task according to the result of fault apperceived by autocrane subsystems in parallel. When applied on the remote monitoring and maintenance system in the construction machinery enterprise， the model can offer us a quick and accurate analysis， give us reasonable， constructive and decisive advice， and enhance the efficiency of the enterprise security running.

Key words： agent； multi-agent system； fault diagnosis； function model； reconfigurability

汽车起重机，是工程机械中产量最高、使用面最广、事故发生最多、维修服务最繁重的装备之一。其系统组成复杂， 工作环境恶劣， 常常长时间高负荷运行，导致故障频出，机毁人亡的重大事故时有发生，严重影响项目建设乃至人员生命安全。传统的诊断维护方法已经远远不能满足要求。因此，研究开发实时快速准确的汽车起重机故障诊断系统，成为十分紧迫的任务。

随着计算机及分布式人工智能技术的发展，基于多Agent的诊断技术成为现代智能故障诊断研究的一个热点[1]。多Agent系统在故障的分辨、诊断和控制方面表现出了极大的优势[2]。该文应用多Agent[3]技术建立了汽车起重机故障诊断多Agent模型，并对该模型中的每一功能Agent作了详细的描述。

1 Agent理论

1.1 单智能体（Agent）

Agent是Minsky在1986年出版的《思维的社会》一书中提出的，认为社会中的某些个体经过协商之后可求得问题的解，这些个体就是Agent。一般认为Agent至少应具备以下特性：①自治性；②社会能力；③反应性；④能动性。

图1 Agent 混合体系结构

Agent的具体实现形式很多，有慎思型Agent、反应型Agent和两者混合型等类型。纯粹的反应式系统很难设计直接目标的行为；大多数基于推理机制的慎思系统不易处理实时信息而且缺少反应能力。混合结构既能实现面向目标的长期规划，又具有实时性的特点，能在实际中有效克服前述两种结构的缺点，如图1所示。

1.2 多Agent系统

虽然Agent具备一定的功能，但对于现实中复杂的、大规模的问题，只靠单个Agent往往无法描述和解决。因此，一个应用系统往往包括多个Agent，这些Agent不仅具备自身的问题求解能力和行为目标，而且能够相互协作，来达到共同的整体目标。这样，多Agent系统（MAS）就定义为由多个可以相互交互的Agent计算单元所组成的系统。MAS的结构形式一般有纯分布式结构和联邦式结构两种。

如图2所示，在纯分布式结构中，当某个Agent需要其他Agent的服务时，它直接向目标Agent发出需求信息，目标Agent接到信息后，对需求进行评价，然后再与发出信息的Agent进行信息交互，最终这些Agent之间签订“合同”完成任务。这种结构的缺点是当Agent数量增多时，广播式通信的代价昂贵，而且由于每个Agent都要进行协调，其结构势必复杂化。

图2 纯分布式结构多Agent系统

图3 联邦式结构多Agent系统

如图3所示，联邦式结构可以根据任务动态地形成若干协作组，每个协作组中有一个主Agent和若干个成员Agent，主Agent负责组内其它成员Agent的行为协调，并能代表本协作组与其它协作组或通过联盟的管理Agent进行通信和行为协调。在此类结构中，层次之间或同层次内各协作组内的通信主要是进行控制信息的传输，而协作组内的通信主要是进行数据信息的交换，大量的数据信息交换是在协作组内进行的，简化了通信和控制的复杂性，降低了系统开销。

2 诊断模型的构建

本文将分布式体系结构、系统集成思想与智能运作机制有机结合，构建汽车起重机故障诊断多Agent模型（如图4所示）。系统由设备Agent、界面Agent，管理Agent，接口Agent，故障诊断Agent，融合Agent及决策Agent组成。

图4 汽车起重机多Agent诊断模型

其中，设备Agent位于汽车起重机车载终端上，具备故障感知功能。设备Agent在感知到异常后，与远程诊断平台建立连接并传送实时数据，建立连接时传送出现异常前几秒钟之内的数据，以辅助诊断。设备Agent的感知器以汽车起重机各子系统多线程并行运行。远程诊断平台上的管理Agent根据各子系统求诊情况动态地组建适合的Agent工作组（这里，简称为“诊断组”）进行诊断。图4所示“诊断组1”表示某辆汽车起重机的子系统i和子系统j目前都处于异常状态。当多辆汽车起重机都处于异常状态时，多个诊断组将被相应地组建起来。诊断组一般由一个接口Agent、多个故障诊断Agent（至少存在传感器故障诊断Agent、案例推理Agent）、一个或若干个融合Agent及一个决策Agent组成。其中，多个故障诊断Agent多线程并行运行，故障诊断Agent的个数是由系统目前的知识表示方法决定的，但至少要包含传感器故障诊断和案例推理Agent，这是因为信号异常可能是由于传感器硬件故障引起的，而案例推理是对过去的求解结果进行直接复用，不必再次从头推导，可以提高求解效率；融合Agent的个数等于汽车起重机异常子系统的数量。远程诊断平台内的Agent可以运行于一台主机上，也可运行于多台主机上。

3 诊断工作过程的建立

图5 多Agent诊断工作过程

汽车起重机多Agent故障诊断工作过程如图5所示。当任何一辆开通远程诊断服务的汽车起重机开始工作时，车载终端上的设备Agent实时感知汽车起重机各子系统状态信号，一旦感知某一子系统信息异常且与远程诊断平台处于未连接状态，马上向管理Agent发出“诊断请求”信息。管理Agent收到设备Agent的求诊信息后，将根据设备信息和异常子系统标识信息初始化一组合适的Agent诊断组，并且将诊断组中的接口Agent名称和“准备好”信息发送给设备Agent。 通过呼叫诊断组中接口Agent的名称，远端的设备Agent与诊断组之间将建立起一个连接。远端汽车起重机设备异常子系统的工作状态信号将实时地传送给诊断组。诊断组得出诊断结果后保存诊断记录，并将诊断结果经设备agent传送给汽车起重机显示屏；如果某一界面agent对此设备有诊断监视，诊断组同时向它传送诊断结果。当设备完成工作并要关闭时，设备Agent向管理Agent发送“结束诊断”信息，诊断组与设备Agent断开连接，诊断组中各Agent重新转为“等待”状态，等候由管理Agent组建成新的诊断组与其它异常汽车起重机建立新的连接；当诊断组中某一种类型的Agent超过设定数目时，则通过管理Agent实现注销。虽然在特定的时间点上设备出现异常的数目无法明确，但在一定时间里设备出现异常的平均数是可以估计的。因此，系统中各种Agent的数目可以根据该平均数设定。当异常汽车起重机数量超过估计的平均数时，没有足够的Agent组建诊断组，管理Agent可以很容易地初始化一个新的Agent。

4 结束语

本文根据实时性、准确性、可重构性、开放性等要求，建立了汽车起重机故障诊断多Agent系统模型。该模型由车载终端并行感知故障后，建立远程诊断任务，在提高实时性的同时，可有效降低远程诊断平台和数据库服务器的压力，还可避免诊断阶段任务的复杂分解及冗余推理，提高诊断效率。远程平台根据子系统求诊情况，动态组建Agent诊断组，可有效节约Agent资源，并增强系统的可重构能力和灵活性，具有很强的系统开放性和适应性。模型初步应用于国内某汽车起重机龙头企业，现场工程应用表明，该模型实时性好、可重构能力强、智能程度高、能对汽车起重机上千个故障做出快速准确的故障成因分析，提出合理的决策意见。

参考文献：

[1] 肖小锋，蔡金燕，马飒飒.基于多Agent的智能监测与诊断技术[J].计算机工程，2005，（16）：166-168.

[2] 蒋伟进，许宇胜.基于多Agent的复杂系统故障诊断研究[J].机械科学与技术，2004，（10）：1242-1248.

[3] Hyacinth S H.Software agents： an overview [J].The Knowledge Engineering Review， 1996， 11 （3）：205-244.