王 靜，王春梅，智 佳，楊甲森，陳 托

(1.中國科學院 國家空間科學中心，北京 100190； 2.中國科學院大學 計算機與控制學院，北京 100049) (*通信作者電子郵箱wangj711@yeah.net)

基于多Agent的實時自適應(yīng)數(shù)據(jù)判讀方法

王 靜1,2*，王春梅1，智 佳1，楊甲森1，陳 托1

(1.中國科學院 國家空間科學中心，北京 100190； 2.中國科學院大學 計算機與控制學院，北京 100049) (*通信作者電子郵箱wangj711@yeah.net)

針對目前已有數(shù)據(jù)判讀方法在有效載荷地面集成測試中不適應(yīng)測試環(huán)境變化、實時判讀不連續(xù)、錯誤率高的問題，提出一種基于多Agent框架的實時自適應(yīng)判讀(MARAD)方法。首先，依據(jù)“感知-決策-執(zhí)行”的設(shè)計理念，構(gòu)建四個具有獨立任務(wù)又互相協(xié)同工作的智能Agent，以適應(yīng)測試環(huán)境的改變；其次，采用面向活動建模的方式，以C語言集成產(chǎn)生式系統(tǒng)(CLIPS)作為推理機，取消判讀規(guī)則對測試序列的依賴，保證判讀過程的連續(xù)性；最后，在判讀規(guī)則中引入容錯機制，在不改變正確性的前提下減少誤判和漏判。測試驗證結(jié)果表明，在判讀數(shù)據(jù)相同的條件下，MARAD方法的實時判讀結(jié)果與已有的狀態(tài)模型方法的三次事后判讀的均值結(jié)果相比，參數(shù)漏判率均為0%，但活動誤判率降低10.54個百分點；與人工判讀相比，參數(shù)漏判率降低5.97個百分點，活動誤判率降低3.02個百分點，且無需人員參與判讀。所提方法能夠有效提高判讀系統(tǒng)的自適應(yīng)測試環(huán)境能力、實時判讀的持續(xù)性和正確性。

有效載荷；自適應(yīng)判讀；多Agent框架；面向活動建模

0 引言

在有效載荷地面集成測試實驗中，測試數(shù)據(jù)和遙測參數(shù)是反映操作指令及設(shè)備狀態(tài)正確性的重要依據(jù)，對數(shù)據(jù)的有效判讀是測試實驗中的關(guān)鍵環(huán)節(jié)。

目前專家學者們提出一系列實現(xiàn)自動判讀的方法[1-3]，均是通過采用某種建模形式如基于有限狀態(tài)機(Finite State Machine， FSM)、Petri網(wǎng)或函數(shù)模型等對有效載荷設(shè)備的狀態(tài)遷移過程建模，再依據(jù)建立的模型或領(lǐng)域?qū)＜抑R獲得模型中各狀態(tài)對應(yīng)的參數(shù)的連續(xù)變化規(guī)律，構(gòu)建自動判讀知識庫和判讀規(guī)則以實現(xiàn)自動判讀。

上述基于狀態(tài)遷移建模的各類自動判讀方法均具有明顯的優(yōu)勢，但將其應(yīng)用到實際有效載荷地面集成測試中，需要實測環(huán)境滿足十分苛刻的要求，如：

1)測試序列必須使載荷設(shè)備的狀態(tài)變化與模型中的狀態(tài)變化規(guī)律一致；

2)測試過程中出現(xiàn)的故障在參數(shù)表現(xiàn)上不具有傳播性；

3)每一狀態(tài)下的參數(shù)預(yù)估值都必須正確。

上述要求往往難以達到，因為實際測試中，往往會出現(xiàn)非預(yù)期的測試情況，如：

1)測試序列臨時更改(增加、刪除、替換或某一指令未正確執(zhí)行等)，引起設(shè)備的狀態(tài)遷移順序發(fā)生變化；

2)載荷方提供的先驗知識與實際工作值不符；

3)判讀過程先于設(shè)備狀態(tài)更改進行；

4)設(shè)備滿足遷移規(guī)則，但相關(guān)數(shù)據(jù)并未直接達到預(yù)期值，即漸變型，且無統(tǒng)一規(guī)律。

當上述任一狀況出現(xiàn)時，采用目前的方法，一方面會誤判當前的參數(shù)(或指令)，另一方面，由于誤判導致狀態(tài)遷移失敗，從而影響后續(xù)參數(shù)的判讀，以致判讀系統(tǒng)失去作用，只能終止此次測試序列的執(zhí)行，或后續(xù)測試過程通過人工判讀實現(xiàn)。在有效載荷集成測試中，1)～4)的情況會多次出現(xiàn)，提高判讀方法對測試環(huán)境的適應(yīng)能力，可以減少不必要的測試中斷，降低人工判讀成本。

多Agent技術(shù)作為軟件自適應(yīng)研究的重要分支之一，以其多個具有自治性、主動性和反應(yīng)性的智能Agent的協(xié)作在眾多領(lǐng)域被廣泛引用[4-7]，其思想為解決有效載荷地面集成測試中的數(shù)據(jù)判讀問題提供了良好的方案。鑒于此，本文基于多Agent技術(shù)對現(xiàn)有數(shù)據(jù)判讀方法進行改進，提出一種基于多Agent框架的實時自適應(yīng)判讀(Multi-Agent-based Real-time self-Adaptive Discrimination, MARAD)方法，以滿足有效載荷集成測試中對數(shù)據(jù)判讀的需求。

1 自適應(yīng)判讀系統(tǒng)框架設(shè)計

MARAD方法從兩大方面提高判讀系統(tǒng)的自適應(yīng)性：

一是系統(tǒng)結(jié)構(gòu)上，根據(jù)一般自適應(yīng)系統(tǒng)“感知-決策-執(zhí)行”的設(shè)計理念，構(gòu)建判讀Agent實現(xiàn)實時判讀，感知環(huán)境變化，決策Agent應(yīng)對測試環(huán)境變化作出決策，知識庫Agent根據(jù)決策作相應(yīng)執(zhí)行，此外，還設(shè)計日志Agent記錄判讀結(jié)果和決策結(jié)果，便于查看。

二是實現(xiàn)技術(shù)上，主要基于4種關(guān)鍵技術(shù)：1)采用面向活動建模來構(gòu)建知識庫Agent，摒棄現(xiàn)有面向狀態(tài)建模的方式，取消判讀規(guī)則對測試序列的依賴；2)在判讀規(guī)則中引入容錯機制，適應(yīng)測試延遲變化，降低誤判；3)應(yīng)用CLIPS工具作為推理機，編寫規(guī)則，實現(xiàn)自動推理；4)添加決策算法，應(yīng)對測試環(huán)境的變化。

MARAD方法的系統(tǒng)結(jié)構(gòu)如圖1所示，包含4個Agent：

1)判讀Agent(Discrimination Agent, DA)。

作為感知器，實現(xiàn)實時判讀。數(shù)據(jù)接收與處理模塊接收衛(wèi)星仿真平臺實時發(fā)送的參數(shù)和活動數(shù)據(jù)，處理后加入推理機，根據(jù)判讀規(guī)則判斷參數(shù)及活動執(zhí)行的正確性，其判讀結(jié)果發(fā)送給日志Agent(Log Agent, LA)和決策Agent(Decision Making Agent, DMA)。

判讀規(guī)則包含實時參數(shù)判讀規(guī)則和活動判讀規(guī)則，前者用于判斷實時參數(shù)數(shù)據(jù)是否在預(yù)期范圍內(nèi)，后者用于判斷載荷設(shè)備的活動是否執(zhí)行正確。判讀規(guī)則中所需的知識從知識庫Agent(Knowledge Base Agent, KBA)中獲取。

2)知識庫Agent(KBA)。

存儲判讀相關(guān)的知識，并執(zhí)行決策。其中知識庫主要包括兩部分：

a)實時判據(jù)。指導判讀Agent(DA)對當前參數(shù)數(shù)據(jù)進行正確性判斷的依據(jù)。

b)活動信息。有效載荷系統(tǒng)的活動模型數(shù)據(jù)，用于指導判讀Agent(DA)判斷活動執(zhí)行的正確性與否。活動信息與活動模型一致，只有當更改活動模型時，活動信息才會發(fā)生更改。

決策接收與執(zhí)行模塊接收決策Agent(DMA)發(fā)送的決策信息，并予以執(zhí)行。

3)日志Agent(LA)。

存儲判讀系統(tǒng)的工作日志，包含兩部分：

a)判讀日志。記錄判讀Agent(DA)發(fā)送的參數(shù)和活動的判讀結(jié)果，并將活動信息及執(zhí)行結(jié)果單獨保存，用于當測試系統(tǒng)重啟或其他情況時，快速恢復實時判據(jù)。

b)決策日志。記錄決策Agent(DMA)的策略內(nèi)容，便于事后查看及對知識庫中活動模型作出調(diào)整。

4)決策Agent(DMA)。

感知測試環(huán)境并作出決策。數(shù)據(jù)接收與處理模塊接收判讀Agent發(fā)送的活動信息，與決策規(guī)則一起經(jīng)推理得出相應(yīng)的策略，發(fā)送給知識庫Agent執(zhí)行，同時發(fā)送給日志Agent備份。決策規(guī)則可根據(jù)需求自定義添加。

圖1 MARAD系統(tǒng)結(jié)構(gòu)

2 關(guān)鍵技術(shù)

2.1 面向活動建模方法

有效載荷數(shù)據(jù)最重要的特點在于數(shù)據(jù)的動態(tài)變化性，目前的數(shù)據(jù)判讀方法均依賴載荷狀態(tài)變化得到參數(shù)變化規(guī)律，然而，測試過程中任何細微的調(diào)整都可能破壞數(shù)據(jù)原有的變化軌跡，導致數(shù)據(jù)判讀系統(tǒng)不能發(fā)揮完整的作用。要解決這一問題：一種方法是將參數(shù)的所有可能的變化軌跡都添加到規(guī)則庫中；另外一種是面向活動建模，描述載荷設(shè)備的活動對參數(shù)值的改變量，不考慮連續(xù)變化。前者適用于指令較少的情形，否則就會產(chǎn)生組合爆炸。實際中指令數(shù)目至少上百條，采用后者更合適。

面向活動的建模方法中，將有效載荷設(shè)備的指令操作用活動模型A描述，A={A1,A2,…,Ap}(p∈N)為所有活動的集合，Ai=(V,P)(i=1,2,…,p)，其中：

1)V為活動Ai的屬性集合，V={T=ta|f:Xa→ta}。其中：Xa表示活動的屬性變量，ta表示對應(yīng)屬性變量Xa的取值，f表示活動Ai的屬性Xa與取值ta之間的一一映射，Xa的定義域可根據(jù)需要自定義，MARAD系統(tǒng)中定義為：{活動ID,活動跟描述,作用對象}。

2)P表示活動Ai正確執(zhí)行后對有效載荷下行參數(shù)產(chǎn)生的影響，是一組有序?qū)Φ募螾={(y1,y2,…,yl)|g:(AID;X1,X2,…,Xl)→(y1,y2,…,yl)}。其中：AID表示該活動的唯一標識即活動ID，X1,X2,…,Xl表示該活動影響的參數(shù)的屬性項序列， (y1,y2,…,yl)為對應(yīng)屬性項的值，由于一個活動可以影響多個參數(shù)，故映射g表示(AID;X1,X2,…,Xl)到(y1,y2,…,yl)的一對多映射關(guān)系，X1,X2,…,Xl的選取依據(jù)判讀需求自定義，MARAD系統(tǒng)中定義為：{序號,幀ID,參數(shù)ID,描述,類型,預(yù)期值,變化函數(shù),波動上限,波動下限}。

以某衛(wèi)星的有效載荷系統(tǒng)中的部分活動為例，展示其活動模型如表1所示。

表1 某有效載荷子系統(tǒng)的活動模型

從表1可以看出，活動模型將活動與參數(shù)數(shù)據(jù)關(guān)聯(lián)，判讀的實時判據(jù)只與當前所執(zhí)行的活動有關(guān)，與測試序列執(zhí)行的順序無關(guān)，測試過程中對測試序列的調(diào)整不會影響判讀。KBA中的活動信息部分來源于活動模型。

活動模型中數(shù)據(jù)的來源方法有兩種：1)分析載荷設(shè)計方提供的數(shù)據(jù)而得；2)通過預(yù)測試獲得，即在集成測試開始之前，先將各個載荷執(zhí)行一遍所涉及的活動，通過程序自動獲得與各活動執(zhí)行相關(guān)的參數(shù)及改變量。兩種方法各有利弊，方法1)由人工完成，通常比較節(jié)省時間，能應(yīng)對復雜的活動類型(漸變型、關(guān)聯(lián)型等)，但容易有遺漏；方法2)一般不易遺漏，但比較耗時，難于處理復雜類型，且需要載荷設(shè)計人員確認每一活動執(zhí)行后設(shè)備狀態(tài)的正確性，正確的狀態(tài)才能得到正確的數(shù)據(jù)。

2.2 容錯機制

一方面，由于判讀過程中會存在不同步的情況，例如，模擬發(fā)送計算機發(fā)送指令并通知到判讀系統(tǒng)，若數(shù)據(jù)解析稍有延遲，則判讀系統(tǒng)就會因接收到未執(zhí)行指令時的參數(shù)而判定指令執(zhí)行錯誤，從而出現(xiàn)誤判；另一方面，由于有些特殊參數(shù)的變化是漸變類型，其穩(wěn)定值的出現(xiàn)比普通參數(shù)耗時久，容易出現(xiàn)誤判。

為適應(yīng)此類情況，降低誤判率，在DA的判讀規(guī)則中添加容錯機制，即設(shè)定一個容錯變量C，用于指導判讀次數(shù)。C值的選定與數(shù)據(jù)采集頻率有關(guān)，頻率越高，值越大。目前一般的數(shù)據(jù)采集頻率為0.5 s/次，可設(shè)置C=10。而針對漸變型變量，為保證判讀的正確性，可根據(jù)其值變化速率，賦予特有的值，添加到活動模型中P成分的“變化函數(shù)”一項，如C′=2C，其中C′表示新的容錯變量。當參數(shù)實際數(shù)據(jù)與預(yù)期數(shù)據(jù)不同的次數(shù)超過C或其倍數(shù)時，才判定指令“執(zhí)行出錯”，中間判讀過程展示“執(zhí)行中”。以漸變型參數(shù)的判讀為例，說明容錯機制的有效性。

設(shè)備2初始俯仰方位角均為0°，轉(zhuǎn)動范圍為[-90°，90°]，轉(zhuǎn)速為6°/s，設(shè)置C=10，參數(shù)02P2(幀ID+參數(shù)ID)的變化函數(shù)C′=7C得C02P2=70。表2中列出在發(fā)送T203指令后，MARAD方法與狀態(tài)建模方法(即目前已有的面向狀態(tài)遷移建模的方法)對02P2參數(shù)依次判讀的結(jié)果。從表2可以看出，由于數(shù)據(jù)的漸變性，當指令發(fā)送后，參數(shù)值并非一次性達到預(yù)期值-7，此時，沒有容錯機制的常規(guī)方法就會判定指令執(zhí)行錯誤，并且不更改02P2參數(shù)的當前判據(jù)，以至于當?shù)?次接收到的參數(shù)02P2達到預(yù)期值-7時，依舊判錯。

表2 容錯機制對判讀過程影響對比

2.3 判讀規(guī)則與推理

MARAD中的推理機采用“C語言集成產(chǎn)生式系統(tǒng)”(C Language Integrated Production System, CLIPS)內(nèi)核實現(xiàn)，CLIPS是美國國家航空航天局(National Aeronautics and Space Administration, NASA)于1985年開發(fā)的一種用于編寫基于規(guī)則的通用專家系統(tǒng)的開發(fā)工具[8-10]，最初用于美國航天控制領(lǐng)域，具有很高的可靠性。CLIPS的推理算法采用先進的Rete算法[11-12]，推理效率高。CLIPS具有其特定的語言格式，為提高判讀的效率，設(shè)計判讀規(guī)則時考慮以下3點。

1)事實(fact)自定義格式簡潔統(tǒng)一。

輸入數(shù)據(jù)包括參數(shù)和活動，其判讀過程需要以fact的形式加入CLIPS中，為提高判讀效率，對接收的所有參數(shù)和活動采用統(tǒng)一的處理，設(shè)計如下。

a)參數(shù)fact自定義模板。

(deftemplate raw-data (slot userfrm (type SYMBOL NUMBER)) (slot parameter (type SYMBOL NUMBER)) (slot value (type NUMBER)))

b)活動fact自定義模板。

(deftemplate raw-ctrl (slot tcname (type SYMBOL NUMBER)))

2)規(guī)則優(yōu)先級設(shè)置。

判讀規(guī)則分為兩大類：參數(shù)判讀和活動判讀，而活動判讀也是基于對參數(shù)的判讀，因此，當一條參數(shù)fact輸入后，能同時匹配兩個規(guī)則，為避免判讀混亂，對判讀規(guī)則設(shè)置優(yōu)先級，活動判讀的優(yōu)先級高于參數(shù)判讀。

3)活動判讀規(guī)則分類。

活動判讀要依據(jù)活動模型中參數(shù)的類型設(shè)計不同的規(guī)則。表1中列出的〈活動-參數(shù)〉類型有如下幾種。

增量型 活動執(zhí)行后，參數(shù)有固定增量(區(qū)間)，如表1中〈T101- 00P1〉；

定值型 活動執(zhí)行后，參數(shù)為固定值(區(qū)間)，如表1中〈T102- 01P1〉；

無值型 活動執(zhí)行后，無參數(shù)值，無需進行該參數(shù)判讀，如表1中〈T201- 02P1〉；

漸變定值型 活動執(zhí)行后，參數(shù)在一段時間后達到固定值，如表1中〈T203- 02P2〉。

此外還有一些比較特殊的〈活動-參數(shù)〉類型，如關(guān)聯(lián)型，主備份切換加電，設(shè)T1為切主份，T2為切備份，T3為加電，T1、T2執(zhí)行后對參數(shù)無影響，而T3執(zhí)行后，對電流的影響與其之前執(zhí)行的是T1還是T2有關(guān)。此類型需要設(shè)置一個保存區(qū)，用于覆蓋保存之前執(zhí)行的T1或T2的活動信息。

以增量型為例給出規(guī)則如下。

(defrule DA::judgeIncreCtrl (declare (salience 400)) ?t<-(tc-incre (tcname ?tcname)(userfrm ?frm)(parameter ?para)(sum ?sum)) ?v<-(object (is-a incre-ctrl)(tcname ?tcname)(userfrm ?frm)(parameter ?para) (ivalue ?iv)(ilrange ?ilr)(ihrange ?ihr)(compnum ?cnum)(num ?num)) ?p<-(object (is-a reserv-data)(userfrm ?frm)(parameter ?para)(pvalue ?pv)(lrange ?lr)(hrange ?hr)) ?x<-(object (is-a predict) (userfrm ?frm)(parameter ?para)(isvalid ?isv)) ?r<-(raw-data (userfrm ?frm)(parameter ?para)(value ?val))=>

(bind ?pval (+ ?pv ?iv)) (bind ?l (+ ?lr ?ilr)) (bind ?h (+ ?hr ?ihr)) (bind ?max (+ ?pval ?h)) (bind ?min (+ ?pval ?l))

(if(<=?min ?val ?max) then (retract ?t ?r) (send ?x put-isvalid F) (printout LA (str-cat ?tcname "&" ?num "/" ?sum "&T&" ?frm "&" ?para "&[" ?min "," ?max "]&" ?val "&RULEjudgeIncre")) (assert-string (str-cat "(" result " (TorF T)(tcname " ?tcname ")(userfrm " ?frm ")(parameter " ?para ")(value " ?pval ")(lrange " ?l ")(hrange " ?h "))")) else ( if (> ?cnum ?*comptime*) then (retract ?t ?r) (send ?x put-isvalid F) (printout LA (str-cat ?tcname "&" ?num "/" ?sum "&F&" ?frm "&" ?para "&[" ?min "," ?max "]&" ?val "&RULEjudgeIncre")) (assert-string (str-cat "(" result " (TorF F)(tcname " ?tcname ")(userfrm " ?frm ")(parameter " ?para ")(value " ?val ")(lrange " 0 ")(hrange " 0 "))")) else (retract ?r) (send ?v put-compnum (+?cnum 1)) )))

2.4 決策算法

DMA根據(jù)DA判讀的結(jié)果制定決策，決策算法流程如圖2所示。

圖2 決策算法流程

以表1中的03P4和00P1兩個參數(shù)的判讀過程為例，說明該決策機制應(yīng)對測試環(huán)境變化的有效性。設(shè)有效載荷執(zhí)行如表2所示的測試序列，測試過程中出現(xiàn)：1)第一次T304未執(zhí)行；2)設(shè)備1的總電流00P1的實際值約為4.0±0.5，與提供的數(shù)據(jù)有差別。表3中給出MARAD方法與常規(guī)判讀方法的判讀過程。

由表3可知，當?shù)谝淮蜹304未執(zhí)行時，兩種方法都給出“執(zhí)行錯誤”的判讀結(jié)果，與此同時，MARAD方法對該參數(shù)的判據(jù)作出調(diào)整，更改為實際值0；在T304第二次執(zhí)行正確時，MARAD方法能夠給出正確的判斷結(jié)果，而常規(guī)方法會繼續(xù)判定執(zhí)行錯誤，參數(shù)00P1同理。

3 系統(tǒng)實現(xiàn)與驗證

采用Visual Studio 2012工具開發(fā)了MARAD系統(tǒng)，并嵌入CLIPS6.30版本DLL，部署在判讀計算機上。應(yīng)用某衛(wèi)星的有效載荷分系統(tǒng)集成測試的測試數(shù)據(jù)進行驗證，搭建系統(tǒng)測試驗證平臺如圖3所示，衛(wèi)星平臺仿真計算機模擬執(zhí)行測試序列，解析載荷數(shù)據(jù)包，并將活動(指令)及解析數(shù)據(jù)發(fā)送給判讀計算機，數(shù)據(jù)管理服務(wù)器存儲數(shù)據(jù)包源文件及解析后的參數(shù)、日志等，各設(shè)備間借助交換機通過網(wǎng)絡(luò)連接。

知識庫及判讀規(guī)則在系統(tǒng)中以配置文件的形式存在，更改知識庫及擴充判讀規(guī)則無需更改系統(tǒng)的其他程序。系統(tǒng)判讀完成后生成日志報告，便于載荷人員查看和修改知識庫。

以某一涉及4臺有效載荷設(shè)備，104條指令活動和201個數(shù)據(jù)參數(shù)的測試序列為例進行測試驗證，測試用例中加入實測時的常見干擾因素，如活動未執(zhí)行、測試暫停與再執(zhí)行(包含修復過程)、載荷方提供數(shù)據(jù)不符、參數(shù)漸變、測試序列變更等，并將測試結(jié)果與目前提出的可實現(xiàn)自動判讀的狀態(tài)模型方法及工程應(yīng)用中普遍采用的人工判讀方法進行比較，以說明MARAD方法的優(yōu)越性。其中狀態(tài)模型方法以基于FSM模型的方法為例參與比較，由于狀態(tài)模型方法不具有自適應(yīng)性，實時判讀效果較差，對比意義不大，故采用事后判讀的方式，數(shù)據(jù)可回放多次。

表3 決策機制對判讀過程的影響對比

圖3 有效載荷MARAD系統(tǒng)測試平臺

測試條件及結(jié)果對比如表4所示，其中參數(shù)漏判率(Parameter Missing Rate, PMR)及活動誤判率(Activity False-positive Rate, AFR)的計算公式分別為：

由表4可以看出，MARAD方法與狀態(tài)模型方法相比，都無需人員參與判讀，且無參數(shù)漏判；而在處理方式上，MARAD能夠應(yīng)對實測環(huán)境的變化，處理實時的數(shù)據(jù)判讀，狀態(tài)模型方法則采用事后判讀，需多次回放數(shù)據(jù)以更新知識庫，提高判讀準確率；在活動判讀結(jié)果上，由于狀態(tài)模型方法的誤判率不固定且隨著回放次數(shù)增加而逐次降低，故取前三次回放測得的誤判率的均值，結(jié)果表明，MARAD方法實時判讀的活動誤判率比狀態(tài)模型方法事后判讀的三次回放的均值結(jié)果仍下降了10.54個百分點，而在參數(shù)漏判率方面，由于兩種方法的知識庫中都包含所有需判讀的參數(shù)信息，故均不存在參數(shù)漏判的問題。

表4 三種判讀方法測試結(jié)果對比

MARAD方法與人工判讀方法相比，采用的都是實時判讀方式，但：MARAD方法無需人員參與判讀，而人工判讀方法則需要4人(一般情況下，一臺有效載荷設(shè)備需要至少一人判讀)；在參數(shù)漏判率方面，人工判讀方法的漏判率5.97%，而MARAD方法則無漏判；在活動誤判率方面，MARAD方法比人工判讀方法下降了3.02個百分點。

測試結(jié)果分析表明，MARAD方法優(yōu)于狀態(tài)模型方法和人工判讀方法，具有良好的環(huán)境適應(yīng)能力，能夠保證實時測試過程中判讀的連貫性，且具有較高的判讀準確率，可滿足有效載荷地面集成測試的判讀需求。

4 結(jié)語

本文設(shè)計并實現(xiàn)了可應(yīng)用于有效載荷地面集成測試中的實時自適應(yīng)判讀系統(tǒng)，該系統(tǒng)基于多Agent框架及自適應(yīng)設(shè)計的理念，改進目前已有方法對實際測試環(huán)境的非預(yù)期變化的不適應(yīng)性、判讀不連續(xù)及錯誤率高等不足，具有如下優(yōu)勢：

1)依據(jù)“感知-決策-執(zhí)行”的系統(tǒng)設(shè)計，能夠應(yīng)對實測中測試序列調(diào)整、數(shù)據(jù)提供有誤等干擾因素，確保判讀在測試中的連續(xù)性。

2)面向活動建模，使得判讀過程獨立于測試序列；判讀規(guī)則加入容錯機制，降低誤判率。

3)判讀規(guī)則及決策規(guī)則可擴充，提高了系統(tǒng)的通用性和可擴展性，日志文件記錄決策信息，為載荷人員查看及調(diào)整知識庫提供了依據(jù)。

實例分析及測試驗證表明該方法具有明顯的優(yōu)越性，能夠滿足有效載荷地面集成測試中對實時數(shù)據(jù)判讀的需求，可以應(yīng)用于工程實用。接下來將繼續(xù)優(yōu)化活動模型的自動獲取方法，以提高系統(tǒng)使用的便捷性。

References)

[1] 賀宇峰,趙光恒,呂從民，等.基于CLIPS專家系統(tǒng)的自動數(shù)據(jù)判讀方法[J].中國科學院研究生院學報,2011,28(4):505-513.(HE Y F, ZHAO G H, LYU C M, et al. Technology of automatic data discrimination based on CLIPS expert system [J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2011, 28(4): 505-513.)

[2] 張強,郭麗麗,馬振林.基于模型自動判讀的研究與實現(xiàn)[J].計算機技術(shù)與發(fā)展,2014,24(7):17-20.(ZHANG Q, GUO L L, MA Z L. Design and realization of automatic interpretation based on model [J]. Computer Technology and Development, 2014, 24(7): 17-20.)[3] 吳婧,蘇振華,孫誠.一種基于Kalman濾波的衛(wèi)星遙測數(shù)據(jù)判讀系統(tǒng)[J].航天器工程,2014,23(3):86-91.(WU J, SU Z H, SUN C. Satellite telemetry data interpretation system based on Kalman filter[J]. Spacecraft Engineering, 2014, 23(3): 86-91.)

[4] ZOLFPOUR-AROKHLO M, MASHINCHI M R. A multi-Agent system approach to control road transportation network [C]// Proceedings of the 2016 1st Conference on Swarm Intelligence and Evolutionary Computation. Piscataway, NJ: IEEE, 2016: 42-46.

[5] 丁博,王懷民,史殿習.構(gòu)造具備自適應(yīng)能力的軟件[J].軟件學報,2013,24(9):1981-2000.(DING B, WANG H M, SHI D X. Constructing software with self-adaptability [J]. Journal of Software, 2013, 24(9): 1981-2000.)

[6] 唐蘇妍,朱一凡,李群,等.多Agent系統(tǒng)任務(wù)分配方法綜述[J].系統(tǒng)工程與電子技術(shù),2010,32(10):2155-2161.(TANG S Y, ZHU Y F, LI Q, et al. Survey of task allocation in multi Agent system [J]. Systems Engineering and Electronics, 2010, 32(10): 2155-2161.)

[7] 龐毅,孫青林,焦剛領(lǐng),等.基于多Agent的艦艇編隊對海攻擊仿真系統(tǒng)[J].系統(tǒng)工程與電子技術(shù),2015,37(10):2396-2403.(PANG Y, SUN Q L, JIAO G L, et al. Warship formation anti-sea attack simulation system based on multi-Agent [J]. Systems Engineering and Electronics, 2015, 37(10): 2396-2403.)

[8] Slashdot Media. STB of NASA, CLIPS basic programming guide Version 6.30 [EB/OL]. (2015- 03- 17) [2016- 04- 23]. http://clipsrules.sourceforge.net/documentation/v630/bpg.pdf.

[9] Slashdot Media. STB of NASA, CLIPS advanced programming guide Version 6.30 [EB/OL]. (2015- 03- 17)[2016- 04- 23]. http://clipsrules.sourceforge.net/documentation/v630/apg.pdf.

[10] 溫國誼,查光東,張翔.基于CLIPS的某型飛機故障診斷專家系統(tǒng)的設(shè)計與實現(xiàn)[J].中南大學學報(自然科學版),2013,44(S1):157-161.(WEN G Y, ZHA G D, ZHANG X. Design and realize of a plane’s expert system development for fault diagnosis based on CLIPS [J]. Journal of Central South University (Science and Technology), 2013,44(S1): 157-161.)

[11] 顧曉東,高陽.Rete算法:研究現(xiàn)狀與挑戰(zhàn)[J].計算機科學,2012,39(11):8-12.(GU X D, GAO Y. Rete algorithm: current issues and future challenge [J]. Computer Science, 2012, 39(11): 8-12.)

[12] FOREGY C L. Rete: a fast algorithm for the many pattern/many object pattern match problem [J]. Artificial Intelligence, 1982, 19(1): 17-37.

WANGJing, born in 1990, Ph. D. candidate. Her research interests include automatic testing.

WANGChunmei, born in 1965, B. S., research fellow. Her research interests include automatic testing.

ZHIJia, born in 1984, M. S., engineer. His research interests include space data processing.

YANGJiasen, born in 1979, Ph. D. candidate, associate research fellow. His research interests include intelligent measurement and control.

CHENTuo, born in 1986, M. S., engineer. His research interests include computer software, database processing.

Multi-Agent-basedreal-timeself-adaptivediscriminationmethod

WANG Jing1,2*, WANG Chunmei1, ZHI Jia1, YANG Jiasen1, CHEN Tuo1

(1.NationalSpaceScienceCenter,ChineseAcademyofSciences,Beijing100190,China;2.SchoolofComputerandControlEngineering,UniversityofChineseAcademyofSciences,Beijing100049,China)

Concerning the problem that existing data discrimination methods can not adapt to changeable test environment and realize continuous real-time discriminating process with low error rate when applied in ground integrated test of payload, a Multi-Agent-based Real-time self-Adaptive Discrimination (MARAD) method was proposed. Firstly, based on the design principle of "sensing-decision-execution", four Agents which had own tasks but also interact and cooperate with each other were adopted in order to adapt the changeable test situation. Secondly, an activity-oriented model was constructed, and the C Language Integrated Production System (CLIPS) was used as an inference engine to make the discrimination rules independent of test sequences and assure the continuity of discrimination. Finally, fault-tolerant mechanism was introduced to the discrimination rules to decrease fault positive rate without changing the correctness. With the same test data, compared with the state modeling method with the average result of three times after discriminating, MARAD method has the same parameter missing rate 0% but decreases the activity false-positive rate by 10.54 percentage points; compared with the manual method, MARAD method decreases the parameter missing rate by 5.97 percentage points and activity false-positive rate by 3.02 percentage points, and no person is needed to participate in the discrimination. The proposed method can effectively improve the environment self-adaptability, real-time discriminating continuity and correctness of the system.

effective payload; self-adaptive discrimination; multi-Agent framework; activity-oriented modeling

TP311.1

:A

2016- 12- 20;

:2017- 02- 16。

王靜(1990—)，女，山東威海人，博士研究生，主要研究方向：自動測試； 王春梅(1965—)，女，北京人，研究員，博士生導師，主要研究方向：自動測試； 智佳(1984—)，男，山西太原人，工程師，碩士，主要研究方向：空間數(shù)據(jù)處理； 楊甲森(1979—)，男，山東聊城人，副研究員，博士研究生，主要研究方向：智能測量與控制； 陳托(1986—)，男，湖北天門人，工程師，碩士，主要研究方向：計算機軟件、數(shù)據(jù)庫處理。

1001- 9081(2017)07- 2034- 05

10.11772/j.issn.1001- 9081.2017.07.2034