基于多智能体系统的飞机舵面故障诊断方法

《基于多智能体系统的飞机舵面故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

、第43卷第2期2011年4月南京航空航天大学JournalofNanjingUniversityofAeronautics学报&Astronautics基于多智能体系统的飞机舵面故障诊断方法袁侃胡寿松(南京航空航天大学自动化学院，南京，210016)V01．43No．2Apr．2011摘要：采用了多智能体系统方法对飞机系统的舵面故障诊断问题进行分析。首先从飞机系统的复杂性角度分析了该方法对其进行故障诊断的适应性，然后提出了对组成飞机舵面故障诊断系统的各智能体进行分类、建模和编码的方法，并在此基础上提出了故障诊断智能体的交互模型。在仿真实例中，采用Simulink建立了F一16飞机的仿真模型，用JADE平台构造了故障识别智能体以通过数据融合来对具体的舵面故障进行诊断，并利用MAGSire建立了Simulink与JADE平台之间的信息互通。仿真结果说明，该方法能够通过智能体的交互与协作来实现飞机舵面单故障和组合故障的在线协同诊断。关键词：故障诊断；多智能体系统；组合故障；交互模型中图分类号：TP306文献标识码：A文章编号：1005—2615(2011)02—0241—06FaultDiagnosisofAircraftControlSurfaceBasedonMulti-agentSystemsYuanKan，HuShousong(CollegeofAutomationEngineering，NanjingUniversityofAeronautics＆Astronautics，Nanjing，210016，China)Abstract：Themethodforfaultdiagnosisofaircraftcontrolsurfacebasedonmulti—agentsystemsisstud—ied．Firstly，theadaptabilityofthemethodisanalyzedfromthepointofcomplexityofaircraft．Thentheagentscomposingthefaultdiagnosissystemofaircraftcontrolsurfaceareclassified，modeledandprogrammed．Therebytheinteractionmodeloffaultdiagnosisagentisproposed．Insimulation，themodelofF一16aircraftisbuiltinSimulink，andthefaultidentificationagentisbuiltinJADEplatformtodiagnosethecontrolsurfacefaultsthroughdatafusion．AndMACSimisusedtobuildthecommunica—tionbetweenSimulinkandJADE．Simulationresultsshowthatthemethodcanrealizetheonlinediagno—sisofsinglefaultandcombinedfaultofaircraftcontrolsurfacethroughtheinteractionandcooperationamongagents．Keywords：faultdiagnosis；multi—agentsystems；combinedfault；interactionmodel目前，国内外的先进作战飞机如B一2轰炸机(装备了200多台机载计算机)、F一111攻击机、F一22战斗机等均已广泛应用了功能强大的机载计算机，以处理复杂时变的任务要求[1]，同时还采用了人工智能算法和神经网络等新技术实现了模块化、综合化、通用化和智能化高度综合的航空电子系统。因此，为了处理飞机系统不同模块机载计算机之间传递的大量信息，采用集中控制是不现实的，唯有采用具有松耦合的分布式控制系统(Distributedcon—trdsystem，DCS)才能使每个子系统具有相当强的独立处理能力[2]。此外，机载传感器系统也正在朝着高度综合化的方向发展，需要采用信息融合技术对不同传感器的信息进行综合管理，从而提高系统的可靠性。基金项目：国家自然科学基金重点(60234010)资助项目；航空科学基金(05E52031)资助项目。收稿日期：2010—07—11；修订日期：2010—12—12通讯作者：胡寿松，男，教授，博士生导师，1937年2月生，E—mail：hushougsong@nuaa．edu．cn。 242南京航空航天大学学报第43卷飞机系统具有层次结构非常复杂的特点，本文选择基于多智能体系统的方法对飞机舵面故障诊断问题进行分析、建模和仿真，这是因为其工作过程与飞机系统的实际运作过程非常一致，它可通过局部的智能行为以及对多信息融合实现整体资源的最优化，并能通过动态地适应任务需求来保持操作的响应，因此多智能体系统被描述为构建分布式复杂系统的下一代模型[2]。另外，基于多智能体系统对飞机系统进行建模的方法能够使得人的作用和大气条件等因素更易于表达，并有利于实现模型的编程、系统规模增减等工作。美国NASA对多智能体技术在航空航天方面的应用研究已经取得了很多的成果，比如DS一1，RAX[3]，EO一1[4]，ASE和MER[51等任务都成功地显示了智能体技术的高自动化水平。本文提出了组成飞机舵面故障诊断系统的各智能体分类、建模和编码的方法以及故障诊断智能体的交互模型，并将该方法在F一16飞机的舵面故障诊断与仿真中进行了验证，结果表明该方法能够通过智能体的交互与协作来实现飞机舵面单故障和组合故障的在线协同诊断。1飞机系统故障诊断智能体的分类及建模整个飞行系统可分为3个物理实体，即飞机、大气和大地，它们之间通过交互作用来共同完成飞行任务[6]。这3个实体可视为不同的聚合主体，并可被细分为不同的智能体(Agent)，各智能体又可按层次结构细分为次智能体(Sub—agent)和元智能体(Meta—agent)等(图1)。在故障诊断智能体中，采用Gaia方法并根据各子系统的功能对不同智能体进行角色建模和编码实现。1．1故障检测智能体故障检测智能体由信号采集、A／D转换、状态识别等模块组成，主要用来快速准确地判断系统有无故障，故采用基于规则的反应式结构来建立故障检测智能体的模型，该模型可被描述为一个三元组DataCollection一其中：State一(s，，S：，S。，⋯}表示智能体感知到的外部环境状态的集合；Action一{口。，口：，a3，．”)表示智能体可以执行的动作集合；动作选择函数Choose：State---Action将环境状态序列映射到动作集合。因此，当故障检测智能体感受到系统正常信息时，将正常状态信号送入故障预报智能体进行趋势分析，否则将异常状态信号送人故障识别智能体进行分析和初步定位。以下为故障检测智能体的实现代码：publicclassFaultDetectextendsAgent{protectedvoidsetup(){addBehaviour(newTickerBehaviour(this，25){protectedvoidonTick(){．．⋯·；／／读取传感器或A／D采集卡的数据，将其存放到数据库}))；})其中TickerBehaviour类传人的构造函数第2个参数的时间单位是ms，因此，每隔25ms故障检测智能体FaultDetect．java周期性地读取传感器或A／D卡的数据。1．2故障识别智能体故障识别智能体用来对故障检测智能体传递的故障信息进行分类、隔离和评估，根据所检测故障的不同，可采用不同的识别算法，如专家系统、模糊聚类、神经网络等。若系统本身无法进行故障源的最终识别，可通过调用移动智能体来实现远程专家系统故障诊断。将故障识别智能体所处的外部环图1基于多层智能体结构的飞机任务一环境模型 第2期袁侃，等：基于多智能体系统的飞机舵面故障诊断方法243、境抽象为该智能体的外部状态集，用S表示，则可得故障识别智能体结构的八元组：Agent一(A．a，A。ub，P，F，G，see，diagnosis，result)。其中：Aid为某一具体的故障识别智能体的唯一标识，用来区分不同的故障识别智能体实体；A。。s为与A试相关联的所有故障识别智能体的集合；P为智能体的视觉状态集，其中P(p∈P)表示某外部状态s经智能体感知后在智能体内部形成的视觉映象；F为智能体的功能状态集，其中f(fEF)表示智能体在某时刻的功能状态；G为智能体的目标状态集，其中g(g∈G)表示故障诊断智能体作用于环境而得到的某具体目标状态的模式；see，diagnosis和result分别用于刻画智能体内部的观察过程、诊断过程和目标状态模式过程，具体可表示为以下3个映射，see：S—P，diagnosisF×P·F；result：F÷G。因此，故障识别智能体的整体运作流程就可描述为：设故障诊断识别智能体具有某个初始的内部功能状态f0(f0∈F)，在某一时刻，故障诊断智能体通过观察外部环境从而得到视觉状态see(si)(s，∈S)，然后将该视觉状态结合此时的功能状态^进行思考和推理，从而通过修正功能状态得到diagnosis(f0，see(si))，接下来再根据该修正后的功能状态来决定故障诊断对象期望达到的最终状态模式result(diagnosis(f0，see(sj)))。1．3管理智能体管理智能体负责对系统中各个智能体角色进行协调与管理，可采用混合式结构对其进行建模，其底层采用反应式结构，可对系统的紧急情况或简单情况做出快速决策，从而对环境的变化做出迅速反应；高层采用慎思型结构，可对感知到的复杂情况或疑难故障信息进行分析与建模，并通过知识推理来实现预定目标，同时决定发送何种信息给其他智能体，从而实现对复杂的多智能体进行协调管理的过程。混合式管理智能体的形式化模型可以用一个多元组来表示HybridManagement一(F，State，A，I，O，丌，Action，Kgf，Igf，Asf>其中：F表示智能体感知到的自身内部状态的集合；State一{S。，S。，5。，⋯)表示智能体感知到的外部环境状态的集合；△={△，，△2，△3，．··}表示智能体对当前状态的认知；，一{I。，I。，，3，．·-}表示智能体自身的意图；0={0，，0：，03，．··}表示智能体自身的目的；7r一{7c。，7c：，7c。，⋯)表示智能体的策略集；Action={a。，a。，a。，⋯)表示智能体可以执行的动作集合；认知生成函数Kgf：FXState一将智能体自身的内部状态与外部环境的状态映射到认知；意向生成函数Igf：西()×西(0)---，q5(I)将智能体的认知和目的映射到智能体的意图；动作选择函数Asf：西()×西(J)×西(7c)一Action将智能体的认知、意图和策略集映射到动作序列。下面给出基于合同网协作诊断方式，管理智能体发布诊断任务的代码：importjade．core．Agent；publicclassManageAgentextendsAgent{．．⋯·／／其他功能函数protectedvoidsetup(){／／定义一个请求消息ACLMessagerequest：=newACLMessage(ACI。Message．CFP)；request．setProtocol(FIPANames．Interac—tionProtocols．FIPA—CONTACT—NET)：request．addReceiver(newAID('rFaultTree—Agent”，AID．ISI。OCALNAME))；request．addReceiver(newAID("NeuralNet—work—Agent”，AID．ISLOCAI。NAME))；request．addReeeiver(newAID('rFuzzy—A—gent”，AID．ISLOCALNAME))；request．setI。anguage("English”)；request．setOntology(乍ault—diag—ontology”)；request．setContent(’，Thepilotcan’tcontroltheaircraftverywell．”)；／／开始发送request消息ManageAgent．addBehaviour(newContract—NetInitiator(ManageAgent，request){．．⋯·／／其他功能函数与代码／／处理协同诊断智能体第1层的响应消息ProtectedvoidhandleAllResponses(java．util．Vectorresponses，java．util．Vec—toracceptances){．．⋯·／*从向量acceptances中取出第1层的响应消息，找出相似度权值最大值，向此诊断智能体发送ACCEPT—PROPOSOAL消息*／)／／处理协同诊断智能体第2层响应消息ProtectedvoidhandleAllResuhNotification(java．util．VectorresultNotifications) 244南京航空航天大学学报第43卷{_⋯”／*从向量resultNotifieations取出第2层的响应消息，找出中标智能体的诊断结论，发送给决策智能体，并显示给飞行员*／)))；”1．4决策智能体决策智能体负责根据数据融合智能体产生的结果，在知识库中查找相应的决策规则，这些规则可用产生式规则来表述，在查询到对应的规则后，调用规则中的指令集对操控系统智能体进行控制，从而得到理想的系统修复效果。以下给出决策智能体在修复知识库中查询修复方案的代码publicclassRuleSearchBehaviourextendsOneShotBehaviour{protectedvoidsetup(){GetTypeofFault()()；／／根据从人机交互智能体得到的故障信息，通过用户确认得到故障种类InputFaultProperty()(}；／／根据故障种类的不同，输人不同的关键属性值send(msg)；／／发生故障信息准备就绪信息，调用案例检索智能体}1．5故障诊断智能体的交互模型本文预先规定了智能体的角色，并在此基础上提出了整个故障诊断智能体的交互模型(图2)。厂面研厂。颞iF]厂i旧广—丽i万]厂i两1日lI曰l1日ll曰l1日l图2赦障诊断Agent的交互模型2基于多智能体系统方法和JADE平台的飞机舵面故障诊断仿真实例本文以具有5个舵面(左副翼、右副翼、左平尾、右平尾、方向舵)的典型飞机为研究对象，主要考虑舵面的两种典型故障，即卡死、缺损。这些故障会造成突发的气动效益变化，有时会给飞机带来致命的影响。当飞机的某个舵面出现故障时，可以利用剩余完好舵面对飞机进行重构控制”]。在仿真前采用SPSSPASWModeler工具对故障数据进行自动建模，并通过“自动数值”模块进行8种专家模型的竞争来比较使用各种模型与原数据的相关度。最终的竞争结果如图3所示，模型的排序情况说明神经网络模型与原数据的相关度是最高的(达到0．993)，因此本文选用神经网络方法对具体故障进行识别。接下来采用Simulink对F一16的飞行控制系统进行建模，用JADE平台实现智能体之间的交互与运算，但这其中存在着一些很难解图3算法竞争结果决的问题：当使用者想在Simulink中运行同步应用程序(线程)时就会变得不稳定[8]。而MACSim软件可以改善这一问题，并且在Simulink和JAVA程序中建立联系以使智能体能够同步运行。在JADE平台中创建两个智能体分别负责飞机舵面卡死故障和损伤故障的诊断信息融合。图4为智能体准备就绪的信息，图5表示JADE平台中的两个智能体均处于活动状态[9]。接下来启动Simulink 兰!竺、兰堡：竺：兰三兰竺竺竺至竺竺!竺竺!竺!兰竺!兰!!!H"⋯ont·“·rcont-i—i目∞IYR“H·d，}==：_⋯⋯⋯一⋯⋯⋯⋯⋯⋯⋯⋯H⋯⋯IPath⋯^_ph．BlockPaultDiagno=lgNgentL--—-Hu■：2H^⋯d·p●th：oxaMpla+Lo-sFaultDia和DsisAgent～脚∞i^ln”t№-is：2h^coiwOu叫tHumio：2～c￡i《¨phs⋯ep21∞E·t“⋯p⋯Agent⋯hrllEettl⋯p=daAgent^Il^kr2Endofagent⋯tionhdofletup．1Eetting“pAgent$e⋯】CRate，”‘⋯i*IhAcei^￡⋯r：№ningt辨t●n”^gtnt￡⋯r“}⋯0nt⋯口‘ndI⋯⋯．．图4DOS窗口下智能体准备完毕显示图5JADE平台中各容器与智能体均准备就绪(图6)，将训练好的神经网络(该神经网络具有1个隐层，17个神经元，4维输出，并提前采用1200组故障数据进行了训练)输人工作空间进行故障诊断，设仿真时间为10s，则左升降舵卡死在5度的神经网络输出曲线如图7所示，左升降舵和左副翼均卡死在5度的组合故障神经网络输出曲线如图8所示，可看出时间为0．1s时输出超过0．9，则代表相应位发生了故障。将神经网络的输出信号和舵面输出信号采样为智能体的输入，在智能体内部采用投票机制对前20个采样周期的神经网络输出数据进行融合计算，若某个结果的支持率达到15／20时，则该结果为最终的诊断结果。在JADE平台中可利用Sniffer工具生成智能体通讯监测图(图9)。图6F．16的Simu[ink框图图7单故障输出曲线图8组合故障输出曲线 246南京航空航天大学学报第43卷曼粤———_——————·_———_——_—霸[2]’。0‰：●●一●●■一一■i；鬻辫，：嗣窝‘|囊㈡鍪■i■i：已苎兰：：d。．图9JADE平台中Sniffer工具生成的通讯监测图3结束语本文采用了基于多智能体系统的方法对飞机系统的舵面故障诊断问题进行分析。首先分析了该方法对飞机系统进行故障诊断的适应性，然后在此基础上提出了对飞机舵面故障诊断系统的各智能体进行分类、建模和编码的方法以及故障诊断智能体的交互模型，最后通过仿真实例说明，该方法能够通过智能体的交互与协作来实现飞机舵面单故障和组合故障的在线协同诊断。但目前该方法只能用于仿真，如何运用于飞机的实际系统中还有待进一步的验证。参考文献：[13陈明，张京妹．控制系统可靠性设计[M]．西安：西北工业大学出版杜，2006：1-30．蒋伟进，许字胜，孙星明，等．多智能体的分布式智能故障诊断[J]．控制理论与应用，2004，21(6)：945—950．SuriD，HowellA．SohmidtD．eta1．Amulti—agentarchitectureprovidessmartsensingfortheNASAsensorweb[c]∥ProceedingsofIEEEAerospaceConference．BigSky，MT：IEEE，2007：1-9．ChienS．ShenvoodR，TranD．eta1．TheEO一1au．tonomousscienceagentarchitecture[J]．Relation，2008，10(1)：1—10．SeahC，SierhuisM．Multi-agentmodelingandsim—ulationapproachfordesignandanalysisofMERmissionoperations[M]Princeton：Citeseer．2005：73-78．YuanKan，HuShousong．Modelingofself—repairingaircraftbasedonmulti—agentsystem[c]∥Proceed—ingsofIEEEFifthInternationalConferenceOnNat—uralComputation．Tianjin．China：IEEE，2009(5)：24l一245．MendhamP．ClarkeT．Maesim：asimulinkenabledenvironmentformulti—agentsystemsimulation[C]“ProceedingsofthelfthIFACWorldCongress．Prague：[s．n．]，2005．SonneveldtL．NonlinearF·16modeldescription[EB／OL]．(2007—7—31)．http：∥WWW．matlab．com．BellifemineF．CaireG，PoggiA，eta1．JADE：asoftwareframeworkfordevelopingmulti-agentap·plications口]．InformationandSoftwareTechnolo—gy，2008，50(1／2)：10-21．