基于MAS的化工过程故障诊断研究(I)

提出了一种新的基于多智能体的分布式化工过程故障诊断方法。通过定义化工过程的诊断本体论和功能-行为本体论,系统在提高诊断系统性能的同时,能够显著降低整个系统构造的复杂程度。采用本文给出的化工过程诊断本体论后,整个多智能体故障诊断系统的开发任务从智能体的结构设计转移到对诊断本体论属性的应用上。     

基于MAS的化工过程故障诊断研究(Ⅰ)

提出了一种新的基于多智能体的分布式化工过程故障诊断方法.通过定义化工过程的诊断本体论和功能-行为本体论,系统在提高诊断系统性能的同时,能够显著降低整个系统构造的复杂程度.采用本文给出的化工过程诊断本体论后,整个多智能体故障诊断系统的开发任务从智能体的结构设计转移到对诊断本体论属性的应用上.     

复杂诊断系统的MAS分布式协作方法

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,研究一种基于MAS的分布式智能监控系统。以诊断决策问题的结构及建模过程的层次性为基本思想,基于诊断任务的多层次混合分解策略,提出融合不同表达方式和推理机制的多Agent并行诊断结构,建立了具有公共属性的智能体模块化层次结构,实现了基于MAS多层分布式黑板模型的智能监控系统。工程应用效果验证了多智能体结构框架下复杂系统分布式求解的可行性和有效性。     

大型电站分布式智能诊断系统的结构与协调方法

把分布式人工智能应用到大型电站设备故障诊断问题之中，提出了大型电站分布式智能监测与诊断系统的基本结构，它可以把不同的故障诊断推理方法有机地结合起来运用，并介绍了采用多层黑板结构模型的协调与通讯方法，最后给出了大型电站热力系统状态监测和汽轮发电机组振动故障诊断的应用实例     

分布式HDP领导-跟随者系统最优一致控制研究

为研究行为未知的非线性多智能体系统领导-跟随者最优一致控制问题,针对智能体动态方程未知的情况,设计神经网络辨识器学习智能体动力学行为;构造以多智能体系统局部误差为输入的性能指标函数,将多智能体系统领导-跟随者一致性问题转换为求解智能体局部性能指标函数最优值的优化控制问题;结合自适应动态规划思想设计分布式迭代算法求解该优化问题,并讨论了算法的收敛性;设计基于神经网络的评价-执行结构分布式控制器来近似局部性能指标函数,通过神经网络学习迭代寻找局部性能指标函数的最优解,实现多智能体系统的最优一致控制策略。设计的分布式控制器能够根据智能体状态数据自适应产生控制策略,使多智能体系统趋于一致。     

甲醇合成过程中基于MAS的故障诊断方法

针对甲醇合成生产过程的特点和故障产生机制,将多智能体系统(MA S)技术引入到生产过程的故障诊断中,把生产过程划分为一些相对独立的组件,分派特定的诊断智能体对其进行故障诊断,通过智能体之间的协作,充分利用过程中的局部信息而给出整个过程的故障诊断结果。通过仿真实验,得到了满意的结果。     

异构资源分配问题的多智能体系统求解方法

采用多智能体系统求解方法, 将异构资源分配问题建模于分布式广义分配问题框架下, 利用智能体间的联合搜索实现复杂异构资源分配问题的高效求解. 先利用前期搜索过程中获得的知识, 智能体预测谁更有能力求解当前子问题; 再通过建立决策模型, 智能体动态、 智能地改变搜索顺序, 以加速全局可行解的求解. 该非集中式框架能提高问题的求解效率, 增加动态可扩展性. 实验结果表明了该方法的可行性.     

多智能体系统对移动放射性辐射源的环绕跟踪

针对多智能体系统对移动放射性辐射源的环绕跟踪问题进行了研究,利用一种全新的方法,证出多智能体系统在有限时间内对移动放射性辐射源群组进行环绕跟踪。通过设计三个不同的分布式估算器分别对辐射源的几何中心、环绕半径以及极角进行估计,最后将得到的估计值为环绕智能体设计分布式控制协议,使得智能体在有限时间内能够将所有辐射源包围在环绕圈内,并实现均匀分布。最后,通过MATLAB仿真验证了控制方案的有效性。     

基于事件驱动的多智能体系统参数辨识

从一致性原理出发,针对Box-Jenkins多模型表示的分布式多智能体系统参数辨识问题,提出一种事件驱动的异步通信协议来辨识系统参数。首先,采用智能体的参数估计信息设计事件触发机制,并引入激活函数决定智能体间的通信触发。其次, 采用辅助模型思想解决系统不可观测的噪声和中间变量。然后,在通信协议中引入多新息理论提高参数估计精度。在网络拓扑无向联通情况下,各个智能体以完全分布式的方式迭代更新模型参数。在此基础上,讨论了算法收敛性问题。最后,通过仿真实例验证所提方法的有效性。     

面向复杂过程系统的集成化智能故障诊断系统

提出采用层次诊断模型建立集成化智能故障诊断系统的方法，文中对系统结构，组成及实现等进行了较详细讨论了，并简单介绍了一在微机上实现的化工生产过程的集成化智能故障诊断原型系统。     

多智能体技术及其在交通控制系统中的应用

多智能体技术是当前分布式人工智能的一个研究热点,通过各自治智能体间的通讯、协调、合作来表达实际的复杂系统。交通系统是一个分布式、非线性、时变的随机系统,本文把多智能体技术应用于城市交通控制系统中,为城市交通问题提供了良好的解决方案。     

基于知识共享和重用的化工过程故障诊断技术研究

基于分布式人工智能的知识共享和重用原理、方法 ,提出了依层次化对象分解构建化工过程的面向对象的集成故障检测与诊断系统的方法 ,并据此构建了一个通用的化工过程故障诊断系统 ( GCFDS)。通过对一具体生产过程的实例化仿真结果来看 ,应用实例的建立和运行结果都令人满意。     

基于事件驱动的一般线性多智能体系统的一致性

多智能体系统不仅是复杂系统研究中的一类重要系统,也是分布式人工智能研究的一个重要分支。多智能体系统的协调控制是当前国际控制领域的前沿研究方向,其中,多智能体系统的一致性是最基本问题。采用事件驱动控制方法,研究了一类一般线性多智能体系统的一致性问题。通过设计合理的事件驱动函数与激励条件,确定事件驱动时间序列,利用邻域内其他个体在事件驱动时刻点处的信息,设计相应的控制策略,从而获得多智能体系统达到一致的充分条件。同时本文在研究模型上,采用传统的一般化模型,而研究方法上不再需要Laplacian矩阵具有对称性,就可以获得一类线性多智能体系统达到一致的充分条件,所得结果简化改进了过去的模型。     

动态输出反馈协议下二阶多智能体系统H_∞一致性

研究了受外部干扰的二阶多智能体切换网络的一致性控制问题,并通过使用智能体邻居的相对位置信息提出了一种分布式动态输出反馈协议.通过定义受控输出和对原模型进行两步变换,把多智能体系统一致性控制问题转化成H∞控制问题,进而对具有切换拓扑结构的无向网络找出使多智能体系统达到H∞一致性的充分条件.仿真算例验证了所提方法的有效性.     

认知无线网络中基于随机博弈框架的频率分配

为了解决认知无线网络中分布式的动态频率分配问题,采用随机博弈的框架,将认知链路建模成自私理性的智能体,并提出了一种以最大化平均Q函数为目标的多智能体学习算法—MAQ。通过MAQ学习,分布式的智能体可以实现间接的协商而不需要交互Q函数和回报值,因为智能体的决策过程需要考虑其他用户的决策。理论证明了MAQ学习算法的收敛性。仿真结果表明,MAQ算法的吞吐量性能接近中心式的学习算法,但是MAQ只需要较少的信息交互。     

基于双层不变集的多智能体系统事件触发分布式预测控制

针对含有扰动的多智能体系统,提出了基于双层不变集的事件触发鲁棒分布式预测控制策略。在分布式控制结构下,对每个智能体构建了目标函数含有耦合关联项的事件触发分布式预测控制优化问题。利用输入状态稳定性理论,推导出与子系统自身信息以及邻域子系统信息相关的事件触发条件。每个智能体判断事件触发条件,仅当条件满足时,才进行分布式预测控制优化问题的求解以及子系统之间的信息交互。利用双层不变集来保证扰动作用下多智能体系统的鲁棒性能,并在此基础上给出保证算法递推可行性和闭环稳定性的充分条件。最后通过车辆控制系统对算法进行仿真分析,验证了算法的有效性。     

多智能体分布式智能控制在VAV空调系统中的应

针对变风量（VAV）空调系统的特性，将VAV系统分解为多个智能体，提出了基于多智能体技术的分布式智能控制方法，有效地解决了变风量空调系统回路间的解耦和协调问题。建立了VAV系统的动态仿真程序，仿真结果表明该控制方法是有效的。     

具有领导者的多智能体系统协同控制研究

本文主要介绍了多智能体系统的分布式控制问题.首先,给出了图论的相关知识,这类知识是研究多智能体系统协同控制的必备的基础理论,然后讨论了具有同构系统动态的追踪问题,再进一步考虑具有结构不确定,并且每个追随者都受到外部扰动的情况.利用分布式补偿器解决了系统结构不一致的难题,再利用内模原理克服了系统不确定的难题.最后阐述了多智能体系统的包含控制问题,通过设计恰当的分布式协议,使得所有追随者的信息收敛到多个领导者所形成的凸包内.最后进行了协同控制的展望.     

基于移动机器人的可重构多智能体系统平台的构建

介绍了构建基于移动机器人的可重构多智能体系统实验平台的方法.在详细分析了可重构系统的主要特点的基础上,阐述了分布式人工智能领域中任务分解理论、多智能体基于对策论的协调理论,给出了构建实验平台的实现策略,包括整个可重构系统的体系结构设计、单智能体结构设计.最后,采用开放式智能体结构技术实现了系统多智能体的组织协调.     

多智能体编队避障算法研究

利用势函数方法,研究了多智能体在障碍物环境下的追击编队控制.为解决单个智能体在势场中存在局部极小点与动态性能不好问题,引入速度势场建立新的势场函数.并研究了多智能体在不同环境下的编队控制,其中包括无障碍物环境,静态障碍物环境,以及静态障碍物和动态障碍物并存的复杂环境.通过选择与目标,障碍物和编队队形相关的势场函数,提出一种新的分布式编队避障控制算法.仿真结果表明所提算法能有效地解决多智能体编队避障问题.