基于Agent的智能控制系統的設計
加入技術交流群
3)接受任務的控制Agent在信息Agent那里獲得解決問題所需要的信息。在求解過程中，如果一個決策Agent無法獨立完成任務，可隨時向中心Agent提出請求，請求其他Agent的幫助，中心Agent查詢注冊模塊信息，根據Agent的能力召集其他Agent提供幫助，如召集其他控制決策Agent組成決策聯盟小組，并維護這個聯盟小組的協同環境，保證聯盟小組的協同質量。
4)平衡Agent配合中心Agent和其他Agent完成全局性目標。當某些Agent負載不均衡時，平衡Agent負責將負載過重的Agent的任務轉移到負載較輕的Agent上處理，最后把結果傳回原來的Agent上，從而提高系統的整體效率。
5)控制Agent將控制決策結果送給中心Agent，由它綜合后產生控制結果。如果用戶需要對控制決策結果進行分析，由分析Agent對整個控制決策過程進行分析。
3 系統技術特點
3．1 智能性
系統智能性主要表現在Agent能自主學習，集中于2方面：1)通過把實際發生的結果送入系統，各Agent把實際結果與決策結果綜合比較，按照一定的方法自主學習，調整自己，形成經驗和知識，存儲到知識庫中，為下一次控制決策工作做好準備。2)交互Agent在和控制專家交互共同作用的決策過程中，能夠通過不斷學習，獲得專家的某些特征知識，從而可以在控制決策過程中，自主做出與專家意志相符合的策略。
交互Agent中擁有的知識包括問題求解的描述性知識、關于專家偏好的知識和自身的知識，這些知識在系統的運行初期Agent不一定具有，隨著與專家的多次交互，Agent通過學習來獲得。
3．2 模型庫管理系統的先進性
模型庫管理系統是一個重要部件，是系統的核心，它主要涉及模型表示和模型管理，它將極大影響系統的應用范圍和程度。本系統引入人工智能技術來解決控制決策模型表示和管理。
模型表示就是如何表示模型和關于模型的知識。系統中模型用控制決策Agent表示，模型的輸入和輸出參數是Agent與環境交互的主要內容，模型的運算操作和數據存取表現為Agent的行為，關于模型的知識在Agent的知識庫中，采用產生式規則表示。模型的管理通過Agent間使用Agent通信語言進行交流與協作完成，主要由中心Agent承擔模型管理的工作。
這種基于Agent的模型庫管理系統克服了實體關系和結構化模型表示方法所帶來的規則限制太嚴、模型與數據特性不匹配和模型與方法分離的問題，能比較真實地描述控制決策過程。
3．3 通信合作機制的方便靈活
中心Agent的協調模塊根據注冊模塊的有關信息，選擇合作對象，協調各Agent共同參與問題求解，使各Agent彼此和諧合作。而這種Age-nt之間的相互合作是通過通信來實現的，系統采用同步和異步相結合的方式進行通信。通信語言采用KQML，這是一種高級的基于點到點消息傳送的通信語言和信息交換協議，它使得Agent能夠和其他Agent以及Agent所運行的環境進行知識和信息的交換，它提供了一套標準的通信原語，與Agent間具體的通信方式無關。由于實際運行中Agent具有分布式和異構的特點，因此必須解決Agent的底層通信機制問題。公用對象請求代理體系結構CORBA為分布式Agent的通信提供了合適的平臺。CORBA是由OMG組織制定的開放的分布式對象計算框架標準，它是一種“軟件總線”，利用它能方便地實現不同程序之間的通信，無須考慮這些程序的設計方式、編程語言和運行平臺。CORBA規范中的對象請求代理ORB可以用于Agent之間的定位，接口定義語言IDL可用于Agent內部對象之間的通信，通過CORBA／IIOP協議實現KQML。在CORBA平臺支撐下，各Agent可隨時通信，實現知識共享和合作。
3．4 中心Agent指揮協調
在復雜的控制系統中，單個控制Agent無法獨立完成控制任務，因此在系統中引入中心Agent組織多Agent合作完成控制任務。當控制問題較復雜，單個控制Agent不能獨立完成控制決策時，由中心Agent根據適當的策略，將多個控制Agent組成小組，協調多個控制Agent參與問題求解。由于多Agent的支持，系統提供的控制決策結果更準確，還能對控制結果進行分析，提高系統的智能性。
4 系統應用
在該系統框架的基礎上，實現一個鍋爐智能控制決策系統。為了提高鍋爐燃燒效果，滿足節能等目標，需要對鍋爐燒煤速度、燃燒區的顏色、燒結顆粒、炯道負壓、風機轉速、煙氣溫度、濕度進行實時檢測與分析，得出控制算法，做出控制決策。其中很多控制參數是憑鍋爐工的經驗進行分析，因此專家的經驗知識是系統決策的基礎，它描述了系統在各種變化條件下應采取的控制策略。這些經驗知識通過控制決策Agent和交互Agent的學習功能存放到知識庫中，知識的表達使用如下描述形式：
規則∷=(規則號>*，“注釋”，前提>，前提>|…，結論>)其中，前提和結論都是事實。以噴水系統啟動策略為例，定義啟動規則：
首先定義了一條名為watering_start的規則，該規則有溫度差temp_differernt和智能噴水系統是否已啟動is wateringstart兩個前提，如果系統運行過程中兩個條件同時滿足，則推出要求智能噴水系統啟動activate-watering-system的結論。
在每一個控制周期，在中心Agent的調配下，每個合適的控制決策Agent根據控制參數的計算值和從信息Agent那里獲得的實時數據和系統運行的歷史數據對控制規則進行模式匹配，然后把推理控制結果送往中心Agent，由它綜合后產生控制算法并用于系統實時控制。
系統選用ADVANTECH插入式數據采集與控制卡PCL812PG完成現場數據的獲取和對現場設備的控制。用Java語言實現決策分析過程，每個Agent都是一個對象，由Java實現，其功能被封裝在里面。實現從控制系統取得實時數據、調取系統運行的歷史數據、將數據經過處理后進行專家控制運算，把控制算法得到的控制作用傳送給現場設備，完成應用軟件與現場控制系統的無縫連接等功能。通過對現場設備的控制，使鍋爐燃燒的經濟效益達到最佳的效果。
5 結束語
將人工智能Agent技術引入工業控制系統是當前的研究熱點，應用決策分析技術是本研究的一個創新。基于Agent技術實現了一個智能控制系統，系統具有一定的記憶功能和自學習能力，實現了較高的智能性，較好地解決了控制決策模型表示和管理的問題，屏蔽了運行平臺和通信機制，能夠有效地解決Agent的通信問題，使Agent合作變得容易。實踐表明，它比傳統的控制系統具有更高的準確性和靈活性，能有效進行復雜多控制參數的控制決策。本文引用地址：http://www.104case.com/article/162875.htm
評論