中压环保型设备运行状态的分布式远程监测与诊断技术研究

王金跃 陆海强 钱进 包伟峰 汪兴旺 杨健标

摘要：为提高环保工程中压环保型设备远程监测与诊断能力，针对环保工程中压环保型设备的状态监测方式与控制策略单一的问题，本文首先分析当前工业过程分布式故障诊断方式与方法，研究多智能体体系与结构，建立基于多智能体的环保工程中压环保型设备分布式远程监测与诊断体系结构，分析分布式故障诊断体系结构特点、框架以及策略；并在此基础上，基于遗传算法建立分布式故障诊断体系结构的通信模型，探索分布式故障诊断协同优化机理；最后研究建立多智能体的分布式故障诊断运行机制，为判断设备的运行状况、分析设备的故障原因、提供科学检修的依据、降低设备维修和维护成本、提供决策信息与保证生产安全提供参考，扩展环保工程分布式故障诊断理论的发展和应用。

关键词：故障诊断；分布式；中压环保型设备；多智能体

DOI： 10.3969/j.issn.1005-5517.2018.1.007

引言

针对电力工程中压环保型设备的故障诊断方式与控制策略单一的问题，本文首先分析当前电力工程中压环保型设备故障诊断方式与方法，通过电力工程中压环保型设备故障诊断内在机理分析，在系统阐述智能体特性、结构、功能基础上，研究多智能体体系与结构，建立基于多智能体的电力工程中压环保型设备远程运行状态监测与故障诊断体系结构，分析分布式故障诊断体系结构特点、框架以及策略，并在此基础上基于遗传算法建立分布式故障诊断体系结构的通信模型，探索分布式故障诊断协同优化机理；最后建立多智能体的分布式故障诊断运行机制，研究基于多智能体的电力工程中压环保型设备远程运行状态监测与故障诊断应用，为判断设备的运行状况、分析设备的故障原因、提供科学检修的依据、降低设备维修和维护成本、提供决策信息与保证生产安全，提供保障支持，提高工业过程控制能力，为分布式状态采集与分析，以及智能判断评估提供参考，扩展环保工程分布式故障诊断理论的发展和应用。

1 中压环保型设备分布式远程状态监测体系

1.1 分布式中压环保型设备远程监测

分布式中压环保型设备远程监测由分散过程监控单元、集中管理单元、通信单元构成。在实际应用中，分布式中压环保型设备远程监测的构成方式比较灵活多变，通过采用管理计算机模块，也可通过通用工业服务器、工业控制计算机和可编程控制器建实时现场，实现数据采集和控制，并采用数据通信网络传递到管理监控级的计算机里面[6-8]。

分布式中压环保型设备远程监测拓扑结构由组织管理层、任务控制层和底层设备层构成。分布式现代工业过程控制系统拓扑结构组织管理层负责实现产品信息的收集、存储、分发和总结，最终具备整体调度和优化控制，同时可以实现企业内部局域网连接，为分布式中压环保型设备质量管理、资源管理进行连接。管理计算机作为分布式中压环保型设备的控制器构成了分布式中压环保型设备的任务控制层，通过企业内部局域网提供组织管理层所需要的产品信息，同时通过控制方式和机制控制任务，实现分布式中压环保型设备的优化运行。底层设备层则由不同的生产设备联合组成。分布式中压环保型设备的各子模块具有独立特性与协同特性。分布式中压环保型设备远程监测控制结构如图1所示。

中央集中管理单元和车间操作单元想要联系与配合，全部控制任务由组织管理层通知给任务控制层和底层设备层。如果出现异常，分布式中压环保型设备远程监测系统可能出现局部或者全部故障信息。

1.2 基于多智能体的分布式控制

智能体理论是分布式领域与人工智能研究领域的重要研究问题之一，已被认为是设计和构建分布式工程以及智能应用的新一代发展方向。智能体定义是一种特定状态，能够获取外界环境，同时可以利用自身功能与机理对获取信息进行加工与处理，完成既定任务的软件或者硬件实体。智能体集成不同的方法以及封装不同的机能，可以利用协作方式与其他智能体进行信息场地与通讯，通过相互之间协作可以完成综合目标，优势互补，联合实现既定的任务[9-11]。多智能体系统是基于多个智能体相互协作来完成预设的任务的体系结构。针对不同的研究问题提出了不同的智能体的定义与模型，其中主要流行与认可的是wooldridge等人提出的智能体的弱性描述和强性描述方法。

分布式中压环保型设备远程监测的信息共享采用基于OPC接口标准的通信方式，避免不同控制系统的差异性和兼容性，提升了系统的扩展能力和兼容能力。分布式中压环保型设备远程监测协同机制，不仅方便控制系统的实施，并且为智能体提供了封装模式与方法，有效将现有的软硬件模块打包成某一个智能体结构。通过智能体结构间协同完成预设任务。基于多智能体结构的分布自治思想、分層优化模式和协同工作机理，建立一种基于多智能体结构的分布式中压环保型设备远程监测体系结构，如图2所示。

多智能体系统是由若干个智能体组合而成的松散耦合的协作网络。这些智能体能够感知环境和网络中其他智能体交互信息。通过对自身信息的更新和与其他智能体间的竞争与合作来完成对实际复杂问题的求解，体现整个系统的智能性。

基于多智能体结构的中压环保型设备分布式远程运行状态监测与诊断体系包括以下智能体：产品管理智能体、资源调度智能体、现场管理智能体、过程故障诊断智能体，人机接口智能体和过程管理智能体，各智能体的基本功能和结构如下：

（1）信息采集与传送智能体

信息采集与传送智能体是实现全局产品管理，实现对企业产品管理与控制，不同智能体的协同与管理，中压环保型设备制的优化运行，管理各智能体的信息发布与权限管理；为资源计划接口智能体获取产品管理信息，达到智能体的信息共享；实现与资源调度智能体协同管理，具备产品过程信息监督功能，对系统管理智能体的运行状态进行监测，具备产品过程信息宏观监督功能：与系统管理智能体传递运行信息，具备设备过程信息监控功能；与其他智能体的通讯等功能。

（2）人机接口智能体

人机接口智能体主要实现信息采集以及与传送智能体信息共享，获取设备运行据息，分析运行状态数据。同时实现分布式远程运行状态监测与诊断，与企业已有的资源计划系统或者产品控制系统的信息交互对接，为用户浏览资源计划接口智能体获得的执行任务通过接口。人机接口智能体完成用户与控制系统的通讯与对接，形成多智能体架构的通信机理与运行模式。

（3）系统管理智能体

系统管理智能体是信息采集与传送智能体和人机接口智能体的中介，主要负责协同与协调现场管理智能体功能。系统管理智能体实现与采集与传送智能体信息共享息，接受静态任务和宏观任务，资源调度智能体的归属现场管理智能体实现管理与协调，完成产品管理智能体预设的任务，实现任务的监控，并配备相应的制造资源，具体由现场管理智能体完成。同时资源调度智能体从现场管理智能体获得中压环保型设备运行状态信息并传送给其他智能体，对预设任务的完成状态和中压环保型设备运行状态进行监控，并发布给系统管理智能体，实现预设任务的评判、优化，如图3所示。

（4）过程监测诊断智能体

过程故障诊断智能体由协作智能体完成将通讯信息传递给其它平行结构中的其他智能体，再传递给目标智能体。多智能体体系框架内的智能体根据某一种方法，例如就近原则、单元原则等，形成不同的智能体水平结构，每个水平结构同时包含由多个智能体。多个智能体相互协作，合理分配任务，可以有效获取工业过程的故障信息，同时按照既定目标，可以完成综合设定的目标。

过程故障诊断智能体实现对中压环保型设备运行状态动态监测，不仅实现智能体件信息共享，同时完成任务的分解，对分解预设任务进行控制与运作，具备产品信息的快速获取、分析和存储，故障模式分析、故障溯源等。过程故障诊断智能体可以实现对产品信息状态评测和判断，并对早起异常信息做出预警预测，现场管理智能体的结构如图4所示。

多智能体系统内部智能体间进行通信，完成求解问题，也是能够形成推断和决策动作功能的具有智能思维与智能任务的实体，其具有自治性、反应性、主动性、社会性、进化性五个基本特征。

2 分布式故障诊断的协调优化

在基于多智能体组的中压环保型设备分布式运行监测与诊断体系结构中，产品管理智能体和资源调度智能体之间利用TCP/IP协议进行通讯，而资源调度智能体和现场管理智能体之间利用网络通讯协议进行通讯，现场管理智能体与中压环保型设备之间利用OPC标准进行通讯，基于多智能体分布式故障诊断体系结构的通信模型结构如图5所示。

中压环保型设备分布式运行监测与诊断结构是基于协同智能体的通信，对预设任务的完成状态和中压环保型设备运行状态进行监控，并发布给产品管理智能体。基于多智能体的分布式故障诊断系统优化运行如图6所示。

资源调度智能体与现场管理智能体通信方式表述为①描述现场管理智能体向资源调度智能体获取信息；②描述现场管理智能体向资源调度智能体请求查找产品管理智能体；③描述现场管理智能体寻找现场管理智能体，同时反馈现场管理智能体获得信息；④描述产品管理智能体向现场管理智能体发布执行任务；⑤描述现场管理智能体收到产品管理智能体的执行任务后做出反应。因此，资源调度智能体与现场管理智能体可以实现任务发布与信息共享。

粒子群优化算法是Kennedy和Eberhart于1995年提出的，它源自群体任务理论，受鸟群或鱼群任务的启发，通过个体间的信息传递方式，使整个团体朝同一方向和目标而去[12-13]。粒子群优化算法（PSO）是进化技术的一种，源自对鸟群捕食任务的研究，它本质上是属于迭代的随机搜索算法，具有并行处理特征，鲁棒性好，易于实现，原理上可以以较大的概率找到优化问题的全局最优解，且计算效率较高，已成功地应用于求解各种复杂的优化问题。

多智能体系统里，将每个智能体都随机初始化在总的格子数为Lsize×Lsize的环境中，且每个智能体占一个格子。格子中的数据代表智能体所在环境中的位置信息，每一个智能体自身包含PSO算法中每个粒子的速度和位置两个数据信息。Lsize是一个正整数，格子总数相当于PSO算法中的种群规模。每个智能体感知的环境信息来自自身所处的局部环境，并可以参考感知到的局部环境信息进任务作决策和完成任务。因此，局部环境对于每个智能体就显得十分重要。

首先将各个智能体随机分配到空间中对其位置与速度进行初始化，之后为每个智能体随机分配一定数目的邻居，每个智能体与这些邻居一同构成PSIMA的局部环境。在为各个智能体配置邻居粒子过程中，可参考不同优化问题适应性地选取邻居粒子数目。將算法应用于环保工程经济负荷分配，在实验中结合问题的复杂程度，综合考虑了寻优效率与寻优结果之间的平衡，保证在较少时间内取得很好的最优解，通过数次实验确定随机邻居数目为20。在不同的具体优化问题中，可通过减少随机邻居数目减少算法运行时间，也可通过增加随机邻居个数提高问题最优解。

每个智能体可以与更多的智能体邻居进行信息交互，突破了MAPSO中信息传递的限制，随着每次迭代的进行，每个智能体获得的信息量更大。同时，由于本文选择的邻居范围也不特定，因此每个智能体通过信息交互获得的有效信息更多，更容易快速学习进任务作决策，协作功能更突出，也使得整个系统收敛更快，效果更好。

在PSIMA算法中，每个智能体要更新自己的位置，但与PSO的不同之处在于更新之前首先要先和局部环境中的邻居粒子进行竞争与合作，所以每个邻居粒子就要先计算各自适应值。假设智能体β在智能α的20个邻居中拥有最小的适应值，且β=（β1，β2，…，βn）。若智能体α满足：

f（α）≤f（β）

（1）

它是一个优质粒子，否则为劣质粒子。如果智能体是一个优质粒子，它在解空间的位置保持不变。反之，智能体α在解空间的位置进行调整：