林 偉 胡志高

(上海應用技術學院電氣與電子工程學院,201400,上海∥第一作者，講師)

?

基于多Agent信息融合的軌道交通信號設備故障診斷技術要點

林 偉 胡志高

(上海應用技術學院電氣與電子工程學院,201400,上?！蔚谝蛔髡撸v師)

針對我國城市軌道交通信號設備故障的特點,設計了一個基于多Agent信息融合技術的軌道交通信號設備故障診斷系統(tǒng)。介紹信息融合技術的相關要點,重點闡述多Agent信息融合技術的定義和理論。對多Agent軌道交通信號設備故障診斷的總體結構進行分析和設計。詳細分析了信息采集Agent、管理Agent、診斷Agent等主要Agent的基本職能，以及各Agent間的通信協(xié)作方式。

城市軌道交通； 信號設備； 故障診斷; 多Agent; 信息融合技術

Author′s address School of Electrical and Electronic Engineering, Shanghai Institute of Technology,201400,Shanghai,China

目前，城市軌道交通中的重要研究方向，是如何提高城市軌道交通信號設備系統(tǒng)的可靠性與安全性。這一研究也滿足了市民對城市軌道交通運營安全的要求。然而,我國城市軌道交通信號設備故障診斷系統(tǒng)的深層次診斷分析能力目前尚處于初級階段，仍需人工查閱采集數(shù)據(jù)并進行異常情況的分析,智能化程度不高。人工查閱采集數(shù)據(jù)的工作方式效率低下,較難滿足社會對城市軌道交通的需求,需做進一步的改善?；诙郃gent信息融合技術的信號設備故障診斷系統(tǒng)的正確使用可以有效解決上述問題。本文首先概述了已有故障診斷技術,詳細分析了多Agent信息融合技術,然后結合城市軌道交通信號設備故障的特點,設計了一個基于多Agent信息融合的軌道交通信號設備故障診斷系統(tǒng),以更有效地保障城市軌道交通信號設備的運行安全。

1 相關技術

1.1 故障診斷的主要方法

故障診斷技術的依據(jù)是控制理論、狀態(tài)監(jiān)測理論和設備系統(tǒng)理論。其利用計算機系統(tǒng)程序結合各種儀器設備來實現(xiàn)被診斷設備的運行狀態(tài)檢測,期間參照預設模型的規(guī)律如工作流程或者機器、設備的結構等,最終識別并解決故障。故障診斷的一般方法是由專門的故障診斷系統(tǒng)結合故障診斷程序來實現(xiàn)，或直接采取人工排除方式。當前主要的故障診斷方法為:

(1) 基于專家系統(tǒng)的故障診斷方法。1968年,Feighbaum教授首次提出并設計了一個完整的專家系統(tǒng)[1]((Expert System),70年代，人們逐漸意識到專家系統(tǒng)的優(yōu)點，將其引入并應用于故障診斷理論之中,目前專家系統(tǒng)在故障診斷領域內的研究技術已較為成熟。專家系統(tǒng)的經(jīng)典應用方式為:利用自然語言產(chǎn)生式規(guī)則,知識工程師將所需知識轉化為機器語言,借助人機接口輸入故障信息知識庫;推理機在故障產(chǎn)生時,使用自身推理方式在故障信息知識庫中進行推理分析逐一排查,最終確定故障位置，檢測出故障問題。

(2) 基于神經(jīng)網(wǎng)絡的故障診斷方法。運用模擬神經(jīng)系統(tǒng)進行數(shù)據(jù)處理的數(shù)學模型即為人工神經(jīng)網(wǎng)絡(ANN),該數(shù)學模型是依據(jù)輸入與輸出關系而確定的,其中的每個最小結構即處理單元(神經(jīng)元)互相連接形成復雜的神經(jīng)網(wǎng)絡系統(tǒng)[2]。由于人工神經(jīng)網(wǎng)絡具有對大量的訓練樣本數(shù)據(jù)進行分析推理的強大功能并由此得到一般規(guī)律,因此人工神經(jīng)網(wǎng)絡能夠對未知的或難以預測的故障信息進行判斷分析。其最典型的代表是徑向基神經(jīng)網(wǎng)絡與BP (Back Propagation)神經(jīng)網(wǎng)絡。

(3) 基于貝葉斯網(wǎng)絡的故障診斷方法。貝葉斯網(wǎng)絡(Bayesian Network)是一種用來表示和推理不確定性知識的數(shù)學模型,它將圖形理論與概率論的相關知識相結合,從數(shù)學意義上說有較為嚴格的理論基礎,對診斷分析故障中的未知因素的識別有積極的作用[3]。當前，對貝葉斯網(wǎng)絡的研究尚處于理論研究階段,其在處理工程實際故障診斷問題時應用次數(shù)較少,主要問題在于基于貝葉斯網(wǎng)絡的故障診斷過程需要軟件與硬件結合使用。

(4) 支持向量機的故障診斷方法。統(tǒng)計學習理論是研究在有限樣本數(shù)據(jù)情況下機器學習規(guī)律的理論,為統(tǒng)計模式識別和更深入的機器學習問題的研究提供了一個較好的理論支持[4]。Vapnik等通過研究統(tǒng)計學習理論,提出了一種全新的模式識別算法——支持向量機(Support Vector Machine)。該模式識別算法具有充分的數(shù)學理論依據(jù),而且有效地完善了傳統(tǒng)分類方法的缺陷,在故障診斷、文本分類等專業(yè)領域取得了較為成功的應用。

(5) 基于Petri網(wǎng)技術的故障診斷方法。1960—1965年，德國科學家Petri建立了一種數(shù)學模型——Petri網(wǎng),該數(shù)學模型利用目標系統(tǒng)中元件之間的關系來構建有向圖的組合,從而能夠準確地表示離散事件發(fā)生的沖突、順序和并發(fā)的關系[5]。在傳統(tǒng)容錯Petri網(wǎng)故障診斷模型的基礎上設計的新型Petri網(wǎng)故障診斷模型伴隨著學者們的更深入研究而產(chǎn)生。該新模型依據(jù)診斷出的可疑故障元件所在的線路進行分析建模。這樣做的優(yōu)點是：當網(wǎng)絡拓撲過程出現(xiàn)變化時,系統(tǒng)能夠迅速精準地對故障路徑進行修正,無需調整關聯(lián)矩陣,由此推動診斷進程。

1.2 多Agent技術

單個Agent難以在復雜問題的處理中解決目標問題。由多個具有不同功能的Agent個體組成的多Agent系統(tǒng)在處理復雜問題時,首先是將復雜的問題分解成若干個簡單的問題,之后就眾多簡單問題個體進行信息融合求解,完成任務。單個Agent即稱之為個體,多Agent系統(tǒng)就是由多個個體有機結合而成的[6]。

個體之間相互通信且具有特定的職責,它們之間進行信息融合來實現(xiàn)求解工作。需要注意的是，多Agent的系統(tǒng)組成并不是由多個個體簡單地累加在一起的框架,而是形成在一定的控制關系之上。典型的多Agent組織結構有Agricola 系統(tǒng)、ACTOR系統(tǒng)和DVMT,系統(tǒng)。目前學術界在多Agent技術領域的研究主要集中在多Agent通信和體系結構等方面。

一般定義多Agent體系結構為三類:

(1) 集中式體系結構。為多Agent結構,由多個Agent個體集合在一起組成一個區(qū)域,且該區(qū)域由一個共同的管理者進行管理。如圖1所示,管理者對普通Agent之間的交互進行統(tǒng)一管理。

圖1 集中式結構

(2) 分布式體系結構。盡管在同一個區(qū)域內有多個Agent,但沒有管理者對其之間的任務、通信等信息數(shù)據(jù)進行統(tǒng)一管理調度,而是依靠這些Agent本身的反應和感應。由此可知,分布式體系結構下的Agent沒有優(yōu)先級別之分。如圖2所示,多Agent彼此間交互不受限制。

圖2 分布式結構

(3) 混合式體系結構。該體系結構綜合了以上兩種體系結構,具有以上兩種體系結構的優(yōu)點,適用于復雜多變的系統(tǒng),可以高效靈活地對組成成員的通信進行管理和任務分配。

1.3 信息融合技術

信息融合是一種信息處理過程,它是多方面、多層的,其中涵蓋了數(shù)據(jù)組合(Combination )、數(shù)據(jù)估計(Estimation)、數(shù)據(jù)檢測(Detection )等一系列步驟。信息融合技術的作用在于將大量各種各樣的數(shù)據(jù)信息(包括不同結構、復雜聯(lián)系的信息)進行融合,是一種智能的信息綜合處理技術。信息融合過程,并不是對不同結構的復雜信息進行簡單疊加,而是按照一定法則,提取出有利用價值的數(shù)據(jù)信息,提供給外界系統(tǒng)使用。信息融合的主要研究內容是多源信息融合(也稱為多傳感器信息融合),是指對觀測和收集的信息進行綜合分析處理,獲得被測對象的一致估計的過程。信息融合過程如圖3所示。

圖3 信息融合過程

因Agent自身能力有限,當研究對象為多Agent系統(tǒng)時,單個Agent所獲取的來自外部環(huán)境或系統(tǒng)狀態(tài)的信息都是部分的,只是系統(tǒng)全部信息中的零星片段。針對以上不足,單一Agent須在彼此之間交互信息，進而才能實現(xiàn)更多信息的獲得,最終讓每個Agent都能對自身所處外部環(huán)境及內部系統(tǒng)有更為全面的認識。

國內多Agent信息融合當前的研究大多集中在多Agent信息融合方法設定和模型的建立上[7]。多Agent信息融合模型中的經(jīng)典模型為Dasarathy模型、控制環(huán)模型( Control Loop )、情報環(huán)模型(Intelligence Cycle )、瀑布模型、JDL模型和混合模型,而對融合模型的研究包括兩部分:一是怎樣合理搭建好分布式結構；二是怎樣利用多Agent信息融合技術完成相關數(shù)據(jù)的采集、分析,并將信息進行融合之后更好地進行診斷分析。對于多Agent信息融合方法的設定,目前還沒有找到能夠將各種多源信息進行融合處理的方法,實際中的融合方法必須依據(jù)相關應用場合、借助多種具體的融合技術完成。國內運用的多Agent信息融合方法包括產(chǎn)生式規(guī)則、模糊理論、參數(shù)估計法(最小二乘法、極大似然估計、貝葉斯估計等)、加權平均法、DS證據(jù)推理、卡爾曼濾波法、神經(jīng)網(wǎng)絡等。

2 信號設備故障診斷系統(tǒng)結構

2.1 基本原理及結構

利用Agent的主動性和自主性等特性,多Agent城市軌道交通信號設備故障診斷系統(tǒng)將信號設備全局故障問題劃分為多個子任務。利用Agent的自主性,多Agent系統(tǒng)中的Agent個體可以獨立地完成子任務。該過程中各個Agent個體是相互獨立的,但并不孤立。與此同時，運用Agent之間的通信協(xié)作機制,各個Agent個體之間可以更好地相互交流與協(xié)同合作,從而順利地完成系統(tǒng)的總任務。多Agent城市軌道交通信號設備故障診斷系統(tǒng)結構如圖4所示。

圖4 多Agent城市軌道交通信號設備故障診斷系統(tǒng)結構

2.2 融合Agent的定義及應用

2.2.1 融合Agent的定義

在城市軌道交通信號設備故障診斷系統(tǒng)中使用信息融合技術,主要在于對融合Agent的設計。融合Agent的作用包括對原始數(shù)據(jù)信息進行融合及融合多個診斷Agent的結果。系統(tǒng)中融合Agent的作用范圍較廣,涵蓋了不同結構、復雜聯(lián)系的信息。融合Agent結構如圖5所示。融合處理與融合規(guī)則模塊采用合適的算法,遵循一定的規(guī)則,將來自不同區(qū)域的復雜信息高效地進行融合處理。運用融合Agent,檢測Agent進行數(shù)據(jù)信息處理,可使數(shù)據(jù)信息準確且有效降低系統(tǒng)的綜合信息處理難度；診斷Agent進行數(shù)據(jù)信息處理,對診斷結果進行分析,可提高診斷結果的全面性和精確性。

圖5 融合Agent結構圖

對多Agent進行融合的定義如下[8]:設Ω為辨別框架,Φ為空集,A為Ω內的命題，函數(shù)M在[0,1]區(qū)間范圍內,且滿足:

M(Φ)=0

該定義所包含的意義為:①當給Ω內命題分配可信度時需滿足所有命題可信度為1;②空集時可信度為零。

多個Agent在多周期內對多個命題進行測量后,獲得的后驗可信度分配可用Msj(Ak)來表示。即第S個Agent在第j周期內對命題Ak的后驗可信度。其中，j=1，2，3，…，n;s=1，2，3，…，m;k=1，2，3，…，i。根據(jù)已知定理,融合步驟如下:

(1) 每個周期內所有的Agent獲得各自命題的融合后驗可信度分配表示為:

?Ω

Ω內未知命題的融合后驗可信度表示為:

(2) 將各周期可信度分配總的融合后驗可信度表示為:

?Ω

對于Ω內未知命題的融合后驗可信度表示為:

2.2.2 融合Agent的應用

在2個周期內3個Agent測量信號設備故障的原因,獲得的融合后驗可信度(BPAF)如表1所示。

表1 3個Agent在2個周期的BPAF

第一步,首先將M11M21、M12M22進行組合,如表2、3所示。

表2 M11 M21組合情況

表3 M12 M22組合情況

根據(jù)表2，可得到在第一周期內Agentl、Agent2對A1命題的組合結果為:M11M21(A1)=M11(A1)M21(A1)+M11(U)M21(A1)+M11(A1)M21(U)=0.12+0.03+0.02=0.17。

用同樣的方法，可得出第一周期內Agentl、Agent2對其他命題的組合結果。依據(jù)表3,計算出在第二周期內Agentl、Agent2對命題的組合結果。組合結果如表4所示。

表4 M11M21、M12M22組合結果

同理可得M11M21M31、M12M22M32的組合結果。如表5所示。

第二步,根據(jù)表5,可得出第一、第二周期所有Agent對各個命題的融合,融合結果如表6所示。

表5 M11M21M31、M12M22M32組合結果

表6 2個周期的融合后驗可信度

第三步,利用相關定義與公式結合表6的數(shù)據(jù),求出2個周期的融合結果。融合結果如表7所示。總的融合后各個命題的可信度如表8所示。

表7 2個周期組合的結果

表8 每個命題融合后可信度

第四步,根據(jù)各命題融合后的可信度得出結論。根據(jù)表8，A1的后驗可信度為0.52，大于A2、A3和U的值,說明最有可能的故障原因是A1，即連接線損壞。所以結論為:連接線損壞造成了故障。因此，基于多Agent信息融合技術可實現(xiàn)城市軌道交通信號設備故障診斷。

3 主要Agent的功能

3.1 信息采集Agent

環(huán)境數(shù)據(jù)信息的采集方式有:① 前端采集設備自動獲取;② 人工輸入。信息采集Agent采取第一種方式來獲取環(huán)境數(shù)據(jù)信息。即利用現(xiàn)場數(shù)據(jù)信息采集設備獲取數(shù)據(jù)信息。較為常用的數(shù)據(jù)信息采集設備有A/D數(shù)據(jù)采集卡、多種傳感器以及視頻監(jiān)控系統(tǒng)提供的設備。信息采集Agent利用這些設備可有效獲取信號設備的實時數(shù)據(jù),并及時儲存在數(shù)據(jù)庫之中,為管理Agent所用。一般來說,設備信息具有不同結構、復雜聯(lián)系的特點,因此需要歸類處理各類數(shù)據(jù)信息。

3.2 管理Agent

按照職能來分,在整個信息融合處理過程中處于主導地位的是管理Agent。管理Agent的職能是綜合判斷收集到的數(shù)據(jù)信息,從而進行分解任務和任務分配。即管理Agent將診斷對象(軌道交通信號設備)的所有診斷任務按照標準分解成若干子任務,形成診斷任務集合,并將任務集合傳遞給診斷Agent。管理Agent的其它職能是監(jiān)視系統(tǒng)整體任務的執(zhí)行情況、處理各診斷Agent間的沖突問題,適時與其它Agent進行信息交互協(xié)作。

3.3 診斷Agent

診斷Agent的職能是：針對管理Agent傳來的故障數(shù)據(jù)信息提出具體解決方案，并負責各個診斷任務的控制、調度、分配。其是整個診斷系統(tǒng)的核心。診斷Agent接受管理Agent傳遞過來的各種請求,然后取出信號設備的狀態(tài)數(shù)據(jù)并從知識庫中找到對應的解決方案。診斷Agent具有優(yōu)秀的學習和記憶能力,對于一種新的設備故障現(xiàn)象,診斷Agent會將提出的有效可行的故障解決措施添加進知識庫中,以擴充知識庫的內容。此外,知識庫的部分知識構建可依靠操作員實際作業(yè)中的經(jīng)驗和積累。

3.4 Agent間的通信協(xié)作

要實現(xiàn)多Agent系統(tǒng)問題的成功求解,各個Agent間必須進行通信與協(xié)作。Agent系統(tǒng)的通信方式主要有:① 消息傳遞通信(異步消息傳遞方式),采取點對點的傳遞方法,一個Agent個體可以向至少一個Agent發(fā)送消息。在該通信協(xié)作方式下，各個Agent之間要相互了解,發(fā)送消息數(shù)據(jù)者要提前接收相關信息。② 黑板通信(同步消息傳遞方式),作為信息數(shù)據(jù)共享基地的黑板各個 Agent都可以使用。各個Agent既可向黑板發(fā)送消息,又可從黑板上獲取消息,因此各個Agent之間不需要發(fā)生通信。

4 結語

城市軌道交通系統(tǒng)的升級離不開故障診斷技術的發(fā)展。在復雜的外界環(huán)境之中,單一Agent無法快速有效地完成故障診斷分析及排查任務,這就需要多個Agent共同來完成?；诙郃gent的信息融合技術是智能Agent相關技術中重要的一項,它通過分解系統(tǒng)任務的方法,將一個繁雜的問題分解成若干相對簡單的任務,從而快速高效地解決問題。本文提出了一個基于多Agent信息融合的故障診斷方法,將多Agent信息融合應用在城市軌道交通信號設備故障診斷中，主要完成了以下幾方面工作:

(1) 概括描述了故障診斷的理論基礎和應用方向以及多Agent技術,詳細闡述了信息融合技術。

(2) 構建了城市軌道交通信號設備故障診斷系統(tǒng),重點研究了多Agent融合技術的定義和理論,對軌道交通信號設備故障診斷的總體結構進行分析和設計。

(3) 闡述了信息采集Agent、管理Agent和診斷Agent的基本職能，以及Agent間的通信方式。

[1] GIARRATANO Joseph.專家系統(tǒng)原理與編程[M].北京:機械工業(yè)出版社,2000:20.

[2] 胡守仁,余少波,戴葵.神經(jīng)網(wǎng)絡導論[M].長沙:國防科技出版社,2007:2.

[3] 商暉,燕飛,李開成.貝葉斯網(wǎng)絡在軌道交通屏蔽門系統(tǒng)安全分析中的應用[J].城市軌道交通研究,2011,14(11):47.

[4] 張學工.關于統(tǒng)計學習理論與支持向量機[J].自動化學報,2000,26(1):32.

[5] 蔣昌俊.Petri網(wǎng)的行為理論及其應用[M]北京:高等教育出版社,2003.

[6] 任旭,谷宏強,解璞.基于Agent技術的故障診斷專家系統(tǒng)研究[J].計算機測量與控制,2007,15(5):641.

[7] ABDALLAH S,LESSER V.Modeling task allocation using a decision theoretic model[C]∥Proceedings of Fourth International Joint Conference on Autonomous Agents andMultiagent Systems. Utrecht Netherlands:ACM Press,2005：719.

[8] 馮波.多傳感器信息融合技術的研究[D].南京:南京航空航天大學,2004:22.

Fault Diagnosis of Rail Transit Signal Device Based on Multi-agent information Fusion

LIN Wei, HU Zhigao

According to the fault features of rail transit signal device in China, a fault diagnosis system for rail transit signal device based on multi-agent information fusion technology is designed. The key points in information fusion technology are described by focusing on the definition and theory of the multi-agent information fusion technology. The overall structure of fault diagnosis for rail transit signal device is analyzed and designed, in which the basic functions of information collection agent, management agent and diagnosis agent are described in detail, the communication between different agents are also analyzed.

urban rail transit; signal device; fault diagnosis; multiple agent; information fusion technology

U 231.7

10.16037/j.1007-869x.2016.04.013

2015-09-30)