多Agent信息融合的故障诊断技术.pdfVIP

204 2008．44(34) ComputerEngineeringandApplications计算机工程与应用 多Agent信息融合的故障诊断技术 刘 明，李伟华，严建峰 LIU Ming，LIWei—hua，YAN Jian—feng 西北工业大学 计算机学院，西安 710072 SchoolofComputerScience，Northwestern PolytechniealUniversity，Xi’an 710072，China E-mail：xjangirl2o05@gmail．eom LIU M ing，LIWei-hua，YAN Jian—feng．Faultdiagnosistechnology based on multiagentclassifier combination．Computer EngineeringandApplications，2008，44(34)：204-207． Abstract：Introduction ofMulti-Agentparallelreasoning and independentsolving mechanism can improve the accurate rate of faultdiagnosissystem．Feature extraction isused toreduce dimension and generatesub—tasksforAgentswith correspondingabili- ties．However，in mostcasestheconclusionsgiven by differentdiagnosisAgentswillbe different．In orderto solve theproblem ，D- S evidence theory isapplied to integrate conclusionsgivenbymultiple agentsasmulti—source evidence．Information credibility distribution matrix isintroduced to denote Agentcapacity in integration process．Finally，a diagnosisofexamplesisgiven to vali- datethemethod and simulation experimentsverify theeffectivenessofthismethod． Keywords：muhiagent；featuredimension reduction；D-Sevidencetheory；credibility distribution matrix 摘 要：在故障诊断中引入多Agent并行推理、独立求解的机制能够提高诊断准确率。通过特征提取降低特征维数，形成子任务， 并分配给具有专家能力的Agent处理。然而多数情况下不同Agent的诊断结论会存在差异，为解决该问题，引入D—s证据理论将 各Agent的结论作为多源证据进行融合。在融合中引入可信度分配矩阵表征Agent能力。最后通过一个诊断实例说明了此方法，通 过仿真对比实验验证了此方法的有效性。 关键词：多Agent；特征降维；D—S证据理论；可信度分配矩阵 DOI：10．3778／j．issn．1002—8331．2008．34．063 文章编号：1002—8331(2008)34—0204—04 文献标识码：A 中图分类号：TP393 分类器融合能够有效提高故障诊断的精度，是故障诊断研 的推理机制使得在神经网络 Agent陷入极值或者某个Agent 究热点领域 ，文献 【1]中提出了将神经网络和证据理论相结合的 诊断失效的情况下，通过融合其他Agent结论，仍然能够保证 多源信息融合方法，有效地提高了故障诊断的准确性，但是BP 结果准确度；特征提取和选择可以有效降低高维特征变量，提 算法存在容易陷入局部极值的缺陷。文献 2【]对这一缺陷进行了 高任意Agent的诊断精度。文章最后通过一个诊断实例说明了 改进，提出了分类器融合算法，却忽略了在复杂设备中，高维的 此方法，通过仿真实验验证了此方法的有效性。 特征变量会导致计算学习速度比较慢。 针对以上问题，本文引入多Agent并行诊断结构 ，通过特 1 多Agent故障诊断系统 征降维 ，形成易于处理的子任务 ，再分配给具有处理此类特征