[發(fā)明專利]一種多智能體故障診斷方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210236329.2
• 申請(qǐng)日: 2022-03-11
• 公開（公告）號(hào): CN114578792A
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 楊若涵;周德云;李玥;周志杰;韓曉霞;馮志超
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G05B23/02
• 分類號(hào): G05B23/02;G06N5/04;G06K9/62
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 劉芳

本發(fā)明涉及一種多智能體故障診斷方法及系統(tǒng)，涉及智能體控制領(lǐng)域，方法包括：獲取多智能體系統(tǒng)故障狀態(tài)下的系統(tǒng)模型；根據(jù)所述系統(tǒng)模型確定智能體自身觀測(cè)信息；根據(jù)所述系統(tǒng)模型和內(nèi)部參考模型確定智能體間相對(duì)量測(cè)信息；根據(jù)所述智能體自身觀測(cè)信息和所述智能體間相對(duì)量測(cè)信息確定激活權(quán)重；根據(jù)所述激活權(quán)重利用證據(jù)推理算法對(duì)置信規(guī)則進(jìn)行融合，得到結(jié)果置信度；根據(jù)所述激活權(quán)重和所述結(jié)果置信度確定故障診斷模型；根據(jù)置信規(guī)則庫(kù)對(duì)所述故障診斷模型進(jìn)行優(yōu)化，得到最終故障診斷模型并根據(jù)所述最終故障診斷模型確定故障診斷結(jié)果。本發(fā)明能夠提高多智能體系統(tǒng)的故障診斷精度。

技術(shù)領(lǐng)域

本發(fā)明涉及智能體控制領(lǐng)域，特別是涉及一種多智能體故障診斷方法及系統(tǒng)。

背景技術(shù)

諸如多無人機(jī)系統(tǒng)、多智能傳感器系統(tǒng)和多導(dǎo)彈系統(tǒng)等作為我國(guó)未來發(fā)展的重要方向之一，對(duì)未來復(fù)雜環(huán)境具備較強(qiáng)的適應(yīng)性，應(yīng)用前景廣泛。在多智能體應(yīng)用過程中，由于其工作環(huán)境具有強(qiáng)不確定性和不可預(yù)測(cè)性，隨著使用時(shí)間的增長(zhǎng)，其內(nèi)部元器件發(fā)生老化，性能狀態(tài)發(fā)生退化。當(dāng)多智能體系統(tǒng)工作狀態(tài)發(fā)生變化或面臨強(qiáng)環(huán)境擾動(dòng)時(shí)，其系統(tǒng)內(nèi)部執(zhí)行器、傳感器等關(guān)鍵部件極易發(fā)生故障，進(jìn)而影響了多智能體系統(tǒng)的整體性能。因此，對(duì)多智能體系統(tǒng)開展準(zhǔn)確故障檢測(cè)、診斷及定位能夠?yàn)槭褂谜邷?zhǔn)確、及時(shí)掌控系統(tǒng)工作狀態(tài)，為后續(xù)拓?fù)浣Y(jié)構(gòu)調(diào)整、針對(duì)性容錯(cuò)奠定基礎(chǔ)。現(xiàn)有針對(duì)多智能體故障診斷方法多是基于系統(tǒng)準(zhǔn)確數(shù)學(xué)模型進(jìn)行，在工程環(huán)境中，受復(fù)雜環(huán)境不確定性干擾等因素的影響，專家所提供的知識(shí)不確定性較強(qiáng)，構(gòu)建準(zhǔn)確數(shù)學(xué)模型難度較大；另一方面，由于多智能體系統(tǒng)中所使用的電子設(shè)備可靠度較高，出現(xiàn)故障概率較低，能夠得到的系統(tǒng)故障狀態(tài)下的測(cè)試數(shù)據(jù)較為缺乏。因此，如何處理多智能體系統(tǒng)故障診斷中所面臨故障樣本缺乏是目前急需解決的問題之一。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種多智能體故障診斷方法及系統(tǒng)，以提高多智能體系統(tǒng)的故障診斷精度。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種多智能體故障診斷方法，包括：

獲取多智能體系統(tǒng)故障狀態(tài)下的系統(tǒng)模型；

根據(jù)所述系統(tǒng)模型確定智能體自身觀測(cè)信息；

根據(jù)所述系統(tǒng)模型和內(nèi)部參考模型確定智能體間相對(duì)量測(cè)信息；

根據(jù)所述智能體自身觀測(cè)信息和所述智能體間相對(duì)量測(cè)信息確定激活權(quán)重；

根據(jù)所述激活權(quán)重利用證據(jù)推理算法對(duì)置信規(guī)則進(jìn)行融合，得到結(jié)果置信度；

根據(jù)所述激活權(quán)重和所述結(jié)果置信度確定故障診斷模型；

根據(jù)置信規(guī)則庫(kù)對(duì)所述故障診斷模型進(jìn)行優(yōu)化，得到最終故障診斷模型并根據(jù)所述最終故障診斷模型確定故障診斷結(jié)果。

可選地，所述根據(jù)所述智能體自身觀測(cè)信息和所述智能體間相對(duì)量測(cè)信息確定激活權(quán)重，具體包括：

將所述智能體自身觀測(cè)信息和所述智能體間相對(duì)量測(cè)信息進(jìn)行轉(zhuǎn)換，得到故障診斷模型輸入信息；

根據(jù)所述故障診斷模型輸入信息確定激活權(quán)重。

可選地，所述激活權(quán)重的表達(dá)式為：

其中，表示第e個(gè)專家所構(gòu)建的基礎(chǔ)層故障診斷模型中第k條規(guī)則的激活權(quán)重，θ_k為第k條規(guī)則權(quán)重，α_k為融合各個(gè)指標(biāo)后第k條規(guī)則的匹配度，θ_l為第l條規(guī)則權(quán)重，α_l為融合各個(gè)指標(biāo)后第l條規(guī)則的匹配度，L為規(guī)則的總數(shù)。

可選地，所述根據(jù)所述激活權(quán)重利用證據(jù)推理算法對(duì)置信規(guī)則進(jìn)行融合，得到結(jié)果置信度，具體包括：

根據(jù)所述激活權(quán)重利用證據(jù)推理算法對(duì)置信規(guī)則進(jìn)行融合，確定基本概率質(zhì)量；