基于效用评估的设备智能诊断多Agent动态融合方法

　　引　言

　　现代机电设备种类多、结构复杂,工作环境恶劣。不同设备的故障类型、故障征兆及振动信号特点不同,即使同一设备,各零部件之间相互影响和相互关联使得设备的运行状况和故障形式错综复杂,加上环境噪声的作用,要求设备智能诊断具有很强的适应复杂环境的能力。随着智能诊断技术的发展,智能诊断的研究集中在单一模式和混合模式智能诊断技术。单一模式的智能算法只适用于解决某一类特定问题,而在其他问题上表现不足。因此目前智能诊断的研究倾向于集成多种不同智能技术的混合智能诊断系统,然而现有的大多数混合诊断模型只能在某些事前设计好的,不可改变的组合关系下进行多领域知识模型的静态“集成”,没办法满足如此复杂的机电设备智能诊断的要求。

　　Agent的中文翻译是“智能代理”或者“智能体”,是具有移动性、真实性、反应性和能动性的基本特性以及具备人类才具有的如知识、意图、信念等特性的能根据环境的变化而改变自己行为方式的实体。多Agent系统是多Agent组成的系统,多A-gent系统中Agent之间的融合是通过在工作过程中相互协商产生的能发挥类似人类社会“体智能”的融合方式。因此,采用多Agent系统进行设备智能诊断有利于形成适应复杂的设备智能诊断情况的动态融合方式。

　　1　设备智能诊断多Agent动态融合系统的结构

　　根据文献[1],建立如图1设备智能诊断多A-gent动态融合系统。由图1可知,整个系统由社会层次的Agent、功能层次的Agent和环境组成。社会层次的Agent包含全局黑板和管理Agent,负责协调和辅助多个A-gent之间的协商、通讯、诊断任务的分配及融合功能层次Agent的结果,得出最终的诊断结论。功能层次Agent包括由数据采集Agent组成的基础环节、由常规分析诊断Agent、包络分析诊断Agent和小波分析诊断Agent等组成的分析诊断环节、由神经网络诊断Agent和贝叶斯诊断Agent等组成的精密诊断环节,和由多个诊断人员Agent组成的人工参与环节,是多Agents系统中具有一定专业技能执行一定诊断功能的Agent,这些Agent根据自身的能力与特长履行整个社会任务中的一部分工作,提供诊断过程需要的功能。环境是Agent工作所需的特征参数、原始振动信号和诊断请求等信息,Agent执行功能的过程及自学习过程都是通过与环境的交互完成的。系统的诊断是根据环境的特点,管理Agent总体协调多个功能Agent共同协商确定诊断方案完成诊断任务。即多种智能手段根据环境的特点动态融合解决诊断问题。

　　由上可知,系统的动态融合过程就是系统多个Agent协商确定诊断任务的过程。现有多Agent系统协商问题的研究较多[2～6],协商方法一般包含以下几种:基于对策论的协商方法、面向领域的协商方法、最佳平衡协商方法、集中式协商方法、基于意图的协商和基于范例推理的合同网协商。在这些研究的基础上,结合设备智能诊断的特点,提出了基于效用评估的设备智能诊断多Agent动态融合方法。即按照诊断任务完成情况的好坏,给每个功能Agent设置效用评估标准,每次诊断结束并有确定结果返回时,按照效用评估标准对功能Agent进行效用评估,确定其效用值。效用值的大小代表了功能Agent在系统中的地位,每个功能Agent为争取尽可能大的效用值提出协商方案,而管理Agent则为争取尽可能大的整体效用收益进行协调。因此,基于效用评估的设备智能诊断多Agent动态融合方法有利于系统采用最优的多种算法融合方案进行诊断。