基于DAI的FMS智能檢測

發布日期:2011-11-25    蘭生客服中心    瀏覽:4343

      先進制造技術與系統中大量應用了各種人工智能技術,尤其是專家系統技術。但以往大都是以單機單結點應用為主,即使是一個系統中有多個結點采用了人工智能技術,但制造系統往往本身是遞階集中控制的,導致各節點的人工智能技術應用是以孤島方式存在,相互間并無明顯聯系。事實上,先進制造系統信息處理本質上應是分布式的,只是在傳統遞階與集中控制方式下,這一特點被掩蓋了。隨著分布式處理技術的發展與應用,在先進制造系統的檢測監控系統中應用分布式人工智能(Distributed Artificial Intelligence—DAI)技術已是必然,并已成為檢測監控系統實現智能化的核心技術[1~3]。
    本文以柔性制造系統(FMS)為對象,討論DAI技術在FMS檢測監控技術中的應用。由于FMS固有的復雜性,它是先進制造系統的典型代表,因此這里所討論的技術也可直接應用于各類先進制造系統。
1 FMS智能檢測監控系統建模
  圖1為一實際FMS(BQ—FMS)平面布置圖,其主要組成:2臺加工中心、1輛有軌自動導引小車(AGV)、1臺換刀機器人、1臺工件清洗機、中央刀庫、工件交換站、托盤緩沖站、FMS控制器等部分。BQ—FMS加工的零件包括:表尺座、油路板、變速盒、閥體、行星齒輪架等。





  在圖3中,監控模塊、診斷模塊由于只由狀態表驅動,其擁有知識也只和本Agent有關。而融合、協調、控制模塊和其它Agent有關,故系統中Agent的數量和對象變化時,它是要相應改變的。但在實際應用中,我們只接受其它Agent送過來的其自身對其狀態的響應信息,而非原始信息,故數量較少,復雜性也大為降低,結合下一節的方法,就可解決多Agent應用的知識更新問題。
  在該DAI系統中,采用了多Agent系統實現方法,各Agent之間的信息交互方法十分重要?捎玫姆椒ㄒ埠芏,為了簡化設計,采用公共黑板方式。
2 融合、協調、控制策略
 
 在FMS每一個監控子系統(Agent)中,監控、診斷、控制等模塊都是基于知識的子智能行為體,或者可以說是一種更小和更簡單的子Agent,但它們的實現方法有差異。監控和診斷模塊是根據本Agent采集的設備狀態信息,由子系統狀態表直接驅動進行,由于強調實時性,并簡化設計,采用專家系統思想,利用IF—THEN規則形成描述知識和指導推理,每一條IF—THEN規則除含有診斷信息外,還含有該規則相對應的本Agent調度、控制策略。如前所述,這一策略還不是該Agent最終執行的調度策略。下面著重介紹融合、協調、控制模塊的運行機理與控制策略。
  (1)首先本模塊要進行狀態信息融合,信息來源為本Agent的狀態表、監控與診斷模塊提供的特征與控制信息、另2個相關Agent發來的狀態信息。
  (2)根據融合后的信息及監控診斷模塊提供的初步控制策略,在本模塊擁有的知識的支持下,確定本Agent實際應采用的運行、調度與控制策略。作為一特定工程背景,知識系統設計時仍可采用IF—THEN規則形式,只不過這里的每一條規則要考慮Agent B、Agent C的影響,下面以Agent A為例,形式為
  IF Agent A處于A1(A1表示加工中心正常加工)
  AND Agent B處于B1(B1表示機器人運行正常)
    Agent C處于C1(C1表示AGV運行正常)
  THEN DO 事件0(事件0表示進行正常加工)
  ELSE 1 IF Agent B處于B2(B2表示機器人不能運送刀具)
     Agent C處于C1
     DO 事件1(事件1:當前工件的當前工序完成后停止加工)
  ELSE n IF Agent B處于Bn
       Agent C處于Cn
       DO\事件n
  最終本Agent的動作是Agent A、Agent B、Agent C綜合影響的結果。
  (3)這里存在一個問題,即Agent A影響了Agent B和Agent C,則B和C內部又要進行協調、控制,反過來Agent B影響Agent A和Agent C,Agent C影響Agent A和Agent B,不斷循環,極限情況下會出現不穩定。同時由多Agent構成的FMS檢測監控子系統的實時性也大幅下降。這是多Agent系統不允許的,也是DAI系統在工程中能否有效應用須解決的關鍵問題。針對BQ—FMS檢測監控,我們采用如下方法綜合進行解決。
  (1)對Agent間相互影響采用循環次數控制,當次數多于設定值時自行停止。
  (2)在多Agent中引入一主控Agent(MainAgent),由它決定這種循環是否應該結束。這里對加工系統進行監控的AgentA可設定為MainAgent。
  (3)采用時間來約束,這是一種類似“Watchdog(看門狗)”的技術方法。
  (4)由各Agent的知識系統對其循環協調過程的穩定性進行判定。若其它Agent狀態變化某一時刻不引起本Agent狀態變化,則穩定。這樣逐步增加穩定Agent數,最終是DAI系統中每個Agent都穩定。該方法是多Agent達到穩定狀態的關鍵。
3 試驗系統組成
  基于多Agent的BQ—FMS檢測監控系統可采用圖4所示的2種方法組建。
  圖4a中各Agent的聯系通過智能串行通訊卡實現,通訊方式是點對點或用現場總線。智能通訊卡可直接接入MainAgent(如用PCL744通訊卡),這樣公共黑板宜放在MainAgent上。對于3個Agent的簡單情況也可直接用PC機的2個串口,兩兩相連解決。在圖4b中采用客戶/服務器結構,各Agent連在計算機網絡上,公共黑板可以存在任一Agent中,更好的方法是直接放在服務器上,這樣各Agent都可高效存取黑板,同時檢測監控系統也方便地和FMS其它分系統實現信息集成。
4 結論
  由于用分布式人工智能(DAI)技術研究與開發FMS檢測監控系統真實、有效地反映了FMS檢測監控信息處理的特點,是實現FMS檢測監控系統智能化的技術基礎。采用多Agent方法建立FMS檢測監控系統的模型具有直觀、簡便、易于實現的特點。所采用的融合、協調和控制方法,知識表示與推理機制是實現該系統的關鍵。

更多相關信息