基于dai的fms智能检测监控系统研究.docVIP

基于DAI的FMS智能检测监控系统研究 　　 先进制造技术与系统中大量应用了各种人工智能技术，尤其是专家系统技术。但以往大都是以单机单结点应用为主，即使是一个系统中有多个结点采用了人工智能技术，但制造系统往往本身是递阶集中控制的，导致各节点的人工智能技术应用是以孤岛方式存在，相互间并无明显联系。事实上，先进制造系统信息处理本质上应是分布式的，只是在传统递阶与集中控制方式下，这一特点被掩盖了。随着分布式处理技术的发展与应用，在先进制造系统的检测监控系统中应用分布式人工智能(Distributed Artificial Intelligence—DAI)技术已是必然，并已成为检测监控系统实现智能化的核心技术 [1～3] 。 　　 本文以柔性制造系统(FMS)为对象，讨论DAI技术在FMS检测监控技术中的应用。由于FMS固有的复杂性，它是先进制造系统的典型代表，因此这里所讨论的技术也可直接应用于各类先进制造系统。 1 FMS智能检测监控系统建模 　　图1为一实际FMS(BQ—FMS)平面布置图，其主要组成：2台加工中心、1辆有轨自动导引小车(AGV)、1台换刀机器人、1台工件清洗机、中央刀库、工件交换站、托盘缓冲站、FMS控制器等部分。BQ—FMS加工的零件包括：表尺座、油路板、变速盒、阀体、行星齿轮架等。 图1 BQ—FMS平面布置图 　　FMS的检测监控系统一般都采用集中递阶控制的结构模型，这种结构在制造系统规模较小时，或者是制造系统各个组成部分之间的关联很少，尤其是时序要求不高、事件之间同步关联可忽略时，是合理且可行的。但对于FMS这样的复杂系统，其每一组成部分的状态都会影响其它组成部分的行为，最终会影响整个FMS的运行与调度。同时FMS对检测监控系统的实时性提出了很高的要求，若集中监控，则必须对FMS所有状态进行检测，然后才能评估诊断，达到监控目的[4，5] 。根据图1采用DAI技术的BQ—FMS智能检测监控系统见图2。 图2 FMS智能检测监控系统模型 　　在图2的模型中，BQ—FMS检测监控系统由3个相对独立的子系统组成，分别完成加工过程的检测监控、刀具流部分检测监控、物料搬运部分检测监控功能。图2的模型采用了多Agent的方式。根据图1、图2，每个监控子系统，即Agent的基本任务是，①负责管理相应子系统内的有关检测监控装置、设备；②负责对子系统内相应制造设备进行监控、评估、诊断、控制；③接收其它监控子系统(Agent)发来的状态信息，发送本监控子系统(Agent)的状态信息给其它子系统(Agent)；④提供人机接口。 　　 由于是在DAI环境中，因此完成基本任务②的信息基础不再仅是本子系统采集的状态信息，还包括其它子系统此时的状态，以及其它子系统对本子系统所处状态的响应等。此时FMS检测监控系统不再是一个递阶、集中的整体，而是由3个子系统(用3个Agent表示)相互独立但紧密联系、协作来实现。各子系统独自处理自身问题，以求尽可能实时，同时它们的综合又使得FMS整体检测监控能力尽可能最优。 　　 各Agent内部的构成见图3，其中状态表是各Agent内部活动的基础，它采集了本子系统内的设备运行状态，人对各Agent子系统的干预也通过它进行，这样每个Agent的运行只与其具有的知识和FMS状态有关。监控模块完成了本子系统的状态评估、粗略的诊断，并通知(触发)有关模块。诊断模块根据自身Agent状态表信息和具有的知识推理出本Agent所处状态、应采用的控制及调度策略。但诊断模块的结论并不是本子系统(Agent)实际采用的，该结论必须送入融合、协调、控制模块中，由它根据其它监控子系统(Agent)的状态决定本监控子系统(Agent)应该采取何种控制和调度策略。因此，融合、协调、控制模块是实现基于DAI的检测监控核心。 nextpage 图3 Agent内部结构及其相互关系 　　在图3中，监控模块、诊断模块由于只由状态表驱动，其拥有知识也只和本Agent有关。而融合、协调、控制模块和其它Agent有关，故系统中Agent的数量和对象变化时，它是要相应改变的。但在实际应用中，我们只接受其它Agent送过来的其自身对其状态的响应信息，而非原始信息，故数量较少，复杂性也大为降低，结合下一节的方法，就可解决多Agent应用的知识更新问题。 　　 在该DAI系统中，采用了多Agent系统实现方法，各Agent之间的信息交互方法十分重要。可用的方法也很多，为了简化设计，采用公共黑板方式。 2 融合、协调、控制策略 　　在FMS每一个监控子系统(Agent)中，监控、诊断、控制等模块都是基于知识的子智能行为体，或者可以说是一种更小和更简单的子Agent，但它们的实现方法有差异。监控和诊断模块是根据本Agent采集的设备状态