《毕业设计（论文）基于多Agent协同诊断的飞机液压系统综合监控技术》由会员分享，可在线阅读，更多相关《毕业设计（论文）基于多Agent协同诊断的飞机液压系统综合监控技术（16页珍藏版）》请在金锄头文库上搜索。
1、基于多Agent协同诊断的飞机液压系统综合监控技术摘要：通过对智能化诊断技术的研究,提出将人工智能多智体(Agent)技术应用于飞机液压系统综合监控系统中。构建了基于多种油样分析的多智体协同诊断专家系统方案,并开发了飞机液压系统状态监控专家系统(AHMES10),应用于飞机液压系统的磨损故障监控。专家系统由污染分析Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent、融合诊断Agent及综合诊断Agent构成,综合诊断Agent负责控制和管理其他Agent进行协同诊断。根据飞机液压系统诊断的实际情况,给出了各Agent的诊断规则。最后用实际的故障案例进行了验证,表明了多智体协
2、同诊断的有效性。关键词：多智体；飞机液压系统；综合监控；故障诊断；专家系统Integrated Monitoring Technology for Aircraft Hydraulic SystemBased on Multi-agent Collaborative DiagnosisXIAO chunhui(School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China)Abstract: Through the study of intelligent diagno
3、stic technology, artificial intelligence multi-agent technology is used in aircraft hydraulic system integrated monitoring and control system. A multi-agent collaborative diag-nosis expert system is built based on multi-oil analysis, and the aircraft hydraulic system condition monitoring expert syst
4、em (AHMES1.0) is developed and applied to the wear fault monitoring of aircraft hydraulic sys-tem. The expert system is composed of contamination analysis agent, physicochemical analysis agent, ferro-graph analysis agent, spectrometric analysis agent, fusion diagnosis agent and integrated diagnostic
5、 agent. In-tegrated diagnostic agent is responsible for the control and management of other agents for the cooperation diagnosis. Whats more, according to the actual situation of aircraft hydraulic system diagnosis, each agent diagnosis rule is given. Finally, the test results of the actual fault ca
6、se show the effectiveness of the multi-agent diagnosis.Key words: Wind turbine; generator; control system随着计算机及分布式人工智能(DAI)技术的发展,现代监测与诊断技术已发展到以知识处理为基础的智能化诊断。目前,在智能化诊断实现中最具有潜力的方法就是基于多智体(Agent)的智能诊断技术。由于多Agent系统是一个具有自主性、反应性、主动性和社会性的计算机系统,通常还具有人类的智能特性,其具有强的环境适应性,能够提高故障诊断的准确率,因此基于多Agent的诊断技术成为现在智能故障诊断研究
7、的一个发展方向。飞机液压系统是飞机的重要组成部分,主要是给飞机操纵系统、起落架系统和反推装置等提供操纵动力。飞机液压系统故障将影响飞机的正常运行,严重时将导致灾难性的飞行事故。因此利用油样分析对液压系统固体污染物和磨损状态进行监控对于预防飞机液压系统重大故障、提高液压元件的使用寿命、降低飞机全寿命成本具有重要意义。目前,关于液压系统的磨损故障诊断,主要包括基于颗粒计数的污染分析基于理化分析的油品检测基于铁谱的磨损性质诊断以及基于光谱分析的磨损部位诊断等方面。对于综合利用多种油样分析方法的数据,有效地实现各种方法的协同诊断,进而得出磨损故障的融合或综合诊断结果等方面的研究较少,文献尽管进行了协同
8、诊断的初步探讨,但对融合诊断并未进行深入研究,此问题正是日常飞机液压系统油样分析和磨损故障诊断的关键问题和难题。鉴于此,本文引入人工智能与专家系统的多Agent技术,模拟油样分析专家在进行液压系统故障诊断时的决策思路,将每种油样分析方法的诊断过程作为一个Agent,它可以独立进行诊断,同时构造一个综合诊断Agent实现对各Agent的控制以实现协同诊断。最后形成综合诊断结果,并利用融合诊断Agent对磨损程度进行了定量描述。本文有效地利用了各种油样分析方法的特点和优势以提高诊断精度。最后开发了飞机液压系统监控专家系统(AHMES10),并用具体的数据进行了验证分析。1 飞机液压系统磨损故障的多
9、Agent协同诊断1.1 必要性分析利用Agent的智能性,可以将单个组合的诊断子系统设计成诊断Agent,进而构成基于多Agent的诊断系统,实现复杂设备的智能诊断。多Agent系统通常具有如下特征:每个Agent拥有解决问题的不完全的信息或能力;没有系统全局控制;数据和知识是分散的;处理是异步的;Agent是异质的、分布的。油液分析是对机械系统油液的理化性能以及油中磨损和污染颗粒进行定性和定量分析。表1总结了各种油液分析技术涉及到的机理、分析内容。表2为各种油样分析技术得出的结果可靠性比较。显然,各种油样分析方法具有各自的特点、优势和侧重点。通过分析可以发现,油样分析方法正好具备了构建多A
10、gent智能系统的特征条件,即:所拥有的信息和诊断能力是不完全的;诊断知识是各自分散的,自成体系,且不具有系统的控制能力;分析和处理是异步的,所产生的数据也是异质的,即数据结构是不相同的。目前的各种融合诊断方法尽管能够提高诊断的精度,但是融合诊断过程不具有全局控制能力,无法实现各种分析方法间的通信和协调,因此往往还需要人工干预,故难以实现诊断的自动化。由此可见,综合各种油样分析方法,构建磨损故障多Agent诊断技术对于有效地协调各种诊断方法,实施多种方法融合诊断,提高诊断的智能化和自动化水平具有重要意义。鉴于此,针对某型飞机液压系统磨损故障诊断,采用了污染度分析、理化分析(水份和黏度)、光谱分
11、析及铁谱分析方法,构建多Agent诊断系统,实施飞机液压系统磨损故障的智能、融合、协同诊断,所涉及到的具体油样分析设备如表3所示。表1 油液变质途径及其表征参数Tab.1 Oil deterioration means and characterization parameters表2 各种油样分析技术得出的结果可靠性比较Tab.2 Reliability comparison of various oil sample analysis result表3 飞机液压系统磨损状态监测的油样分析设Tab.3 Oil analysis equipment of aircraft hydraulic
12、system wear condition monitoring1.2 诊断原理结合飞机液压系统磨损故障及各种油样分析方法的冗余性和互补性,提出构建多Agent协同诊断模型,如图1所示。图1 多Agent系统的多库协同综合诊断Fig.1 Comprehensive diagnosis of multi-librarycollaborative based on multi-agent system该多Agent诊断系统主要包括颗粒计数Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent、综合诊断Agent、调度Agent、通信Agent、融合诊断Agent、油样数据和知识规则
13、库以及人机智能界面。各部分功能介绍如下：综合诊断Agent。实现多种油样分析方法的综合诊断,关键是在进行整个推理过程中对推理方向进行控制,以实现各子诊断模块有序的工作。在总控Agent中储存了控制推理方向的知识规则,以指明下一步的诊断方向使各子诊断模块能够协同工作。调度Agent。接受总控Agent分配的任务,通知相应的资源Agent,即颗粒计数Agent、理化分析Agent、铁谱分析Agent、光谱分析A-gent,并检查油样数据库是否存在相应的数据。同时,根据不同的结果做出反应,如果相应的油样分析数据不存在,则提示用户进行相应的油样分析工作,并通过人机界面将数据输入存入数据库。如果数据存在
14、,则向相应的资源Agent发送任务。通信Agent。实现用户、总控Agent、以及各资源Agent之间的通信,负责接受来自用户、总控Agent、以及各资源Agent的信息,并转换成消息和相应的应答方式。资源Agent。包括颗粒计数Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent。各资源Agent接收到任务之后,根据油样分析数据,结合相应的规则库,并启动相应的油样分析诊断推理机,对油样实施诊断,得到诊断结果,形成诊断结论。再通过通信Agent,将结果返回给总控Agent。融合诊断Agent。实现磨损故障的定量描述,得到故障的磨损程度,从而有效地预测、预防故障的发生。采用基于
15、模糊数学与登普斯特-沙夫尔(D-S)证据理论的融合诊断新方法,该方法将各种油样分析数据作为各种证据,利用油样检测的界限值,通过引入模糊集合思想,设计了“油样检测结果异常”的隶属度函数,并以此获取各证据的可信度;其次,建立“故障”与“油样检测参数异常”之间的规则,利用规则可信度和证据可信度的乘积得到规则综合置信度,并以此作为D-S证据理论中各证据对结果的支持程度,从而实现磨损故障融合诊断。人机智能界面。主要服务于操作员和领域专家。操作员可以通过人机智能界面,输入油样数据进行诊断工作;专家可以通过人机智能界面,完成对各诊断Agent知识库的维护。在实际诊断过程中,首先选定欲诊断的油样,然后启动综合
16、诊断Agent,发出诊断指令,调度Agent接受指令,向通信Agent发出信号,判断当前油样的某油样分析数据(如颗粒计数、MOA光谱、铁谱分析、水分分析及理化分析)是否已经注册。如果该油样分析数据未注册,则系统将通过调度Agent提示用户进行油样分析,并将分析结果注册入油样数据库,继续进行诊断。如果该油样分析数据已经注册,则进入该油样分析Agent诊断模块,该油样分析资源Agent接受指令后,根据油样分析的数据,结合相应的规则库,并启动相应的油样分析诊断推理机,对油样实施诊断,得到诊断结果,形成诊断结论。再通过通信Agent,将结果返回给总控Agent,综合诊断Agent根据其控制知识规则,判断下一步的诊断方向,并向调度Agent发出相应指令。继续进行下一步诊断。由此可见,多Agent诊断技术关键
