一种新的免疫协同多Agent模型及其仿真分析

提出了一个具有高效问题求解能力的多Agent系统模型.基于生物免疫系统的自适应识别机制,将基因库进化与亲和度成熟、元动力学等要素相结合,设计具有自适应性和强大搜索能力的单Agent结构,多个Agent基于形态空间模型协同演化并涌现出智能求解能力.模型采用基于群体的多点随机搜索以及多Agent完全并行的执行方式,是一种新型协同演化模型.仿真实验结果证明了模型的有效性.     

实时多Agent结构与群体智能决策系统实现

文章首先指出了多Agent系统的理论在军事群体实时智能决策中应用的可行性，然后提出了单个实时Agent的组成结构和控制模型，讨论了在实时系统下，多个Agent间通信的不同方式和特点，通过在KQML通信原语的语义层增加时间约束，对KQML进行了扩展，解决了传统KQML通信协议无法满足实时多Agent系统的时间约束问题，实现一个基于多Agent系统的群体实时智能决策系统，为群体智能决策系统的开发提供了理论指导和实现方法。     

兵力协同计划方案智能决策系统研究

以红蓝双方海上编队对抗为背景，以拟制多兵种同攻击计划方案为目的，基于动态多目标决策和方案优化模型，在传统的作战辅助决策系统技术基础上，将面向分布式人工智能理论技术引入到多兵种协同作战计划智能决策系统实现中，定义了协同作战智能体单元的概念，并给出了该MAS系统的Agent组成，Agent结构，Agent功能分类，系统的运行流程以及系统的构成框架。     

基于集合覆盖理论的Agent协作问题研究

多智能Agent系统中的协作体现多Agent系统(MAS)的灵活性、整体性,通过协作提高Agent群体完成任务的效率.将集合覆盖理论(SCP)引入MAS系统协作行为中的任务分配问题求解,使用改进的低logarithmic ratio bound集合覆盖理论求解方法,详细阐述了利用SCP理论求解Agent任务分配问题的算法,并根据一个战场作战Agent任务分配实例进行了计算,有效地解决战场作战Agent的任务分配问题.     

诊断多智能体重构过程的Petri网模型

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,本文以诊断决策问题的结构及建模过程的层次性为基本思想,提出用立体分层Petri网作为可视化建模支持工具支持嵌套式建模,研究了诊断系统重构的立体分层Petri网框架,并详细分析了诊断系统资源调度的Petri网模型、多智能体诊断系统重构的Petri网模型以及功能智能体执行重构的Petri网模型,全文通过实例说明了Petri网模型的设计方法,最后给出了立体分层Petri网模型的求解方法。     

作战智能体模型研究

战争是典型的复杂自适应系统，基于Agent的仿真是分析复杂系统的一种新方法。介绍了Agent、多Agent系统以及基于Agent的仿真的基本概念。以作战仿真为背景，介绍了作战智能体的模型设计，讨论了基于智能体的仿真方法的特点，最后对将来的研究工作进行了展望。     

一种分布式制造系统控制结构的形式化建模方法

针对分布式制造系统的特点,利用形式化方法和多智能体理论研究了系统的控制结构,提出了一种基于优化自动机的改进型动态控制元结构模型。首先,结合多智能体理论,对于分布式制造系统中的各个节点用Agent进行建模;接着,对于Agent的内部结构,结合有限状态自动机理论和制造系统自身混杂特性,提出一种优化自动机。同时,考虑到建模过程中Agent层次的动态划分和重组,进而提出了改进型动态控制元结构模型。最后,以瓷砖生产线为例,借助MATLAB为实验工具设计了相应的仿真实验,验证了所提理论和建模方法的可行性和有效性。     

基于CAS理论的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化、涌现规律,在Swarm平台上建立了一个多智能体的战斗模拟仿真系统,并对战斗过程双方Agent数量和实力的演化进行了模拟仿真,得到了和传统数学模型不一致的结果.基于复杂适应系统理论的多主体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统宏观涌现现象,非常适合模拟复杂的战争系统.     

基于多智能体系统的协同交互式进化计算模型

协同交互式进化计算由于缺乏通用模型而限制了其应用范围。针对该问题，结合多智能体系统结构的灵活性和异构特点，提出基于多智能体系统的协同交互式进化计算模型。模型由交互式进化计算单元和协同单元构成，并给出了每个部分的详细功能描述。采用面向智能体的程序设计方法，提取不同功能组件，给出相应组件的语义描述及派生关系。以网络环境下的服装设计系统为例，给出系统结构及组件派生实例。结果表明该模型的合理性，为协同交互式进化计算的广泛应用奠定了基础。     

基于Agent的航空材料成形过程智能监控方法研究

以发动机叶片铸造过程为工程背景,将Agent理论用于航空材料成形过程质量监控系统的研究,重点研究MAS的体系结构、通信及协作问题.将多Agent系统理论用于叶片铸造过程,把一个复杂系统分解为多个可以协调的易解的智能体.给出了Agent之间的通讯方案及实现方法,从Agent之间的基本通讯行为出发,给出了Agent之间的通讯机制、通讯协议及其形式化,详细研究了Agent之间的协作方式.结合工程项目建立了叶片智能监控系统的通讯模型,并进一步建立了基于XML的MAS通讯其实现方法.基于研究成果,给出了叶片铸造过程智能监控系统实例,为改善叶片铸件质量提供了有效的指导方法.     

基于代理与仿真技术的远程故障诊断系统

从资源共享、知识集成的角度,探讨服务与诊断技术向远程化、智能化方向发展的必要性和涉及的问题,将多代理技术、仿真技术应用于远程服务与故障诊断研究领域。研究基于多代理的远程服务与故障诊断系统(RSFDS)的工作模式及体系结构,构建基于多代理的RSFDS系统模型,包括概念模型和结构模型,详细论述面向服务与故障诊断的Agent功能结构及基于仿真技术的系统实现与应用策略,给出印刷机械设备远程服务与故障诊断应用实例。     

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。     

非线性系统故障诊断的Volterra模型方法

针对非线性系统的故障诊断问题,系统地总结了基于Volterra级数模型的故障诊断的理论与方法。由于Volterra级数模型可以完全描述非线性系统的传递特性,因而可将其应用于系统的故障诊断,即在系统工作过程中,通过分析故障发生前后Volterra模型中非线性因素的变化来判知系统的故障。在介绍了这一新的故障诊断理论的基本思想后,结合减震弹簧的疲劳诊断,总结了当前的两种主要研究方法,即基于非线性谱分析的故障诊断方法和基于多重预设Volterra模型的故障诊断方法。阐述了这两种方法的工作原理和实现方法,指出了今后在这一方向上需要进一步研究解决的问题。     

基于Petri网的民航飞机故障诊断工作流模型

针对民航飞机结构和故障机理复杂的特性,建立了基于Petri网的民航飞机故障诊断工作流模型。该模型将工作流技术引入民航飞机故障诊断领域,指出民航飞机工卡可反映故障诊断过程,并总结了民航飞机工卡记录的工作流程。分析该模型的性质说明可以进行简化、合并等操作。以水平安定面铰链磨损检查的转化和简化工作为例,说明了方法的有效性。     

基于多智能体和神经网络的网络故障诊断及二维可视化

提出一种基于多智能体和神经网络的网络故障可视化诊断系统。每个被诊断的网络具有一个网络故障征兆收集智能体，负责收集并且预处理该网络的故障征兆信息，该信息被传送到位于诊断中心的网络故障诊断智能体，用作诊断及可视化。该系统的优点是网络故障诊断智能体可以以可视化的方式诊断网络的故障，并且动态监控网络的运行状态。试验结果证明所述系统的有效性和鲁棒性。     

模糊推理和神经网络的集成在故障诊断中的研究

以故障诊断的理论和方法为基础 ,综合运用人工智能、模糊理论和神经网络理论 ,对复杂电子装备的故障诊断问题进行了研究。提出了模糊推理和神经网络的集成方法 ,介绍了集成的综合系统的基本结构和工作原理 ,描述了模糊故障诊断模型和改进的神经网络BP算法     

基于D-S证据理论的雷达故障诊断方法

新型雷达装备故障具有明显的复杂性和相关性,难以准确确定故障部位。在分析雷达故障特点和专家诊断系统不足的基础上,把信息融合技术引入故障诊断,提出了一种基于D-S证据推理的诊断方法,构建了故障诊断模型,介绍了D-S证据推理的故障诊断算法和诊断过程,并用实例进行了验证。结果证明,该方法较好地解决了故障诊断中的不确定性问题,弥补了当前诊断系统中存在的缺陷。     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此,提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

基于BP-ART混合神经网络的电路故障诊断新方法

建立了基于误差反向传播(back propagation, BP)神经网络和自适应共振理论(adaptive resonate theory, ART)神经网络的电路故障诊断模型,提出了BP神经网络和ART神经网络相结合的电路故障诊断方法,以ART网络为主,识别新故障,以BP网络为辅,识别多类故障,并对传统的ART神经网络竞争机制加以改进,有效地解决了复杂电路故障诊断的难题。实验表明,基于BP和改进ART神经网络相结合的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。