基于Agent的智能控制系統的設計

周光明

（深圳職業技術學院 電子與信息工程學院，廣東 深圳 518055）

智能控制系統是一個能以人類專家水平完成專門任務的智能計算機控制系統，是伴隨計算機研究、應用日益發展的，通過模仿人類專家應用其知識與經驗的方法解決控制問題[1]。在運用智能控制系統時，一般有多個控制參數，因此在做出控制決策時需要進行決策分析，從而確定控制方法。所以有必要在智能控制系統中融入決策分析的相關技術和方法，使控制決策更科學、合理。

Agent技術是分布式人工智能的一個概念。Agent是在一定環境下能獨立自主運行的實體，它具有智能，有自己的知識；它具有學習功能，能夠感知環境，并對環境的變化做出反應；多Agent實現了知識的分布，能夠相互合作，共同完成任務[2]。隨著人工智能的發展，Agent技術得到廣泛應用，把A-gent技術引入工業控制是當前的研究熱點[3]。

在以往有關基于Agent的控制系統研究中，解決Agent合作問題都是將合作協議嵌入Agent內部來實現的[4]。這樣缺乏必要的靈活性，而且沒有考慮復雜控制任務不能由單個Agent完成的問題。

綜上所述，有必要研究在智能控制系統中引入基于Agent的人工智能和決策分析技術，以提高控制決策的智能性、靈活性，使控制結果更準確。這里設計了一個基于Agent的控制系統模型，并以此模型為基礎，實現了鍋爐智能控制系統。

1 系統結構

整個系統由多個Agent組成，如圖1所示。系統包括中心Agent、信息 Agent、交互 Agent、分析 Agent、平衡 Agent和控制Agent等，它們各自功能不同，通過相互合作共同完成控制決策任務。

圖1 系統總體結構

1）中心Agent 中心Agent是系統的核心部分，其他 A-gent加入系統都必須向它注冊，它負責其他Agent的增加、刪除和變更，并提供總體控制及協調功能，關系到各Agent能否成功地共享資源和合作[5]。其內部結構主要包括協調模塊、注冊模塊、通信模塊和全局字典。其中協調模塊接受各Agent提交的請求，若是資源請求，協調模塊通過檢索全局字典提供一系列知識資源；若為問題，則通過查詢注冊模塊的信息以及全局字典提供的合作策略，確定參與控制問題決策的A-gent小組，并向各控制決策Agent發出邀請，同時維護合作小組的協同環境，保證該小組的協同質量。注冊模塊管理其他Agent的注冊、撤消和維護。全局字典立足全局把握各Agent的資源，它存儲了各Agent的知識資源的概要信息、合作協議、合作策略。通信模塊負責與Agent的通信。

2）交互Agent 交互Agent是由人和計算機通過人機界面組成的一個有機的整體。交互Agent接受控制任務，通過通信傳遞給中心Agent，并輸出控制決策結果。交互Agent建立后，首先要在控制專家的指導下集中學習，掌握控制專家處理問題的方法和知識，之后在與專家的交互過程中不斷學習總結。

3）信息Agent 信息Agent負責信息收集、信息檢索和信息處理，為系統中其他Agent提供執行任務所必需的數據和資料，根據環境的變化不斷調整工作策略，盡可能收集有用的信息。

4）平衡Agent 平衡Agent負責系統中其他Agent的負載平衡處理。它體現了Agent可以克隆的特性，克隆是流Agent追求效率和并發執行而對其自身的復制行為。它能在網絡中自由移動，通過與服務設施和其他Agent相互合作來完成全局性目標。當某些Agent負載不均衡時，它負責將負載過重的Agent的任務轉移到負載較輕的Agent上處理，最后把結果傳回原來的Agent上。該智能體能夠選擇何時、何地移動，在移動時可以在某一位置根據要求掛起運行，然后轉移到另一臺計算機上運行。

5）分析Agent 當需要對控制決策結果進行分析時，就由該Agent完成分析工作，做出各種分析。

6）控制Agent 控制Agent1，…，Agentn承擔具體的控制決策任務，數量不定。每個控制Agent具有交互能力且擁有一定控制決策資源，對應不同的決策模型。當問題比較復雜時，單個控制Agent不能獨立完成控制決策，可向中心Agent請求其他控制Agent幫助，由多個控制Agent共同完成控制決策任務[6]。

在整個系統中，除控制Agent外，Agent的數量、功能和責任都是確定的。各個Agent都有自己的使命，它們的能力和知識由設計者事先分配，它們何時采用何能力由接收的消息和心智狀態決定。

2 系統的工作過程

系統提供決策分析是系統內多個Agent按照一定的時序關系對信息進行加工的過程。整個系統的工作過程如下：

1）將控制決策問題送至交互Agent，交互 Agent接受任務后，配合中心Agent將其分解成小的控制決策任務。

2）中心Agent查詢各控制Agent的能力，并與控制任務相匹配，找到有能力解決此任務的控制Agent。如果只有一個控制Agent符合要求，那么就將任務分配給它；如果有多個控制Agent符合要求，就將任務分配給優先權最高的控制A-gent；如果沒有符合要求的控制Agent，那么交互Agent將重新分解控制任務。

3）接受任務的控制Agent在信息Agent那里獲得解決問題所需要的信息。在求解過程中，如果一個決策Agent無法獨立完成任務，可隨時向中心Agent提出請求，請求其他A-gent的幫助，中心Agent查詢注冊模塊信息，根據Agent的能力召集其他Agent提供幫助，如召集其他控制決策Agent組成決策聯盟小組，并維護這個聯盟小組的協同環境，保證聯盟小組的協同質量。

4）平衡Agent配合中心Agent和其他Agent完成全局性目標。當某些Agent負載不均衡時，平衡Agent負責將負載過重的Agent的任務轉移到負載較輕的Agent上處理，最后把結果傳回原來的Agent上，從而提高系統的整體效率。

5）控制 Agent將控制決策結果送給中心Agent，由它綜合后產生控制結果。如果用戶需要對控制決策結果進行分析，由分析Agent對整個控制決策過程進行分析。

3 系統技術特點

3.1 智能性

系統智能性主要表現在Agent能自主學習，集中于2方面：1）通過把實際發生的結果送入系統，各Agent把實際結果與決策結果綜合比較，按照一定的方法自主學習，調整自己，形成經驗和知識，存儲到知識庫中，為下一次控制決策工作做好準備。2）交互Agent在和控制專家交互共同作用的決策過程中，能夠通過不斷學習，獲得專家的某些特征知識，從而可以在控制決策過程中，自主做出與專家意志相符合的策略。交互Agent中擁有的知識包括問題求解的描述性知識、關于專家偏好的知識和自身的知識，這些知識在系統的運行初期Agent不一定具有，隨著與專家的多次交互，Agent通過學習來獲得。

3.2 模型庫管理系統的先進性

模型庫管理系統是一個重要部件，是系統的核心，它主要涉及模型表示和模型管理，它將極大影響系統的應用范圍和程度[7]。本系統引入人工智能技術來解決控制決策模型表示和管理。

模型表示就是如何表示模型和關于模型的知識[8]。系統中模型用控制決策Agent表示，模型的輸入和輸出參數是A-gent與環境交互的主要內容，模型的運算操作和數據存取表現為Agent的行為，關于模型的知識在Agent的知識庫中，采用產生式規則表示。模型的管理通過Agent間使用Agent通信語言進行交流與協作完成，主要由中心Agent承擔模型管理的工作。

這種基于Agent的模型庫管理系統克服了實體關系和結構化模型表示方法所帶來的規則限制太嚴、模型與數據特性不匹配和模型與方法分離的問題，能比較真實地描述控制決策過程。

3.3 通信合作機制的方便靈活

中心Agent的協調模塊根據注冊模塊的有關信息，選擇合作對象，協調各Agent共同參與問題求解，使各Agent彼此和諧合作。而這種Agent之間的相互合作是通過通信來實現的，系統采用同步和異步相結合的方式進行通信。通信語言采用KQML，這是一種高級的基于點到點消息傳送的通信語言和信息交換協議，它使得Agent能夠和其他Agent以及Agent所運行的環境進行知識和信息的交換，它提供了一套標準的通信原語，與Agent間具體的通信方式無關。由于實際運行中Agent具有分布式和異構的特點，因此必須解決Agent的底層通信機制問題。公用對象請求代理體系結構CORBA為分布式Agent的通信提供了合適的平臺。CORBA是由OMG組織制定的開放的分布式對象計算框架標準，它是一種“軟件總線”，利用它能方便地實現不同程序之間的通信，無須考慮這些程序的設計方式、編程語言和運行平臺。CORBA規范中的對象請求代理ORB可以用于Agent之間的定位，接口定義語言IDL可用于Agent內部對象之間的通信，通過CORBA/IIOP協議實現KQML。在CORBA平臺支撐下，各Agent可隨時通信，實現知識共享和合作。

3.4 中心Agent指揮協調

在復雜的控制系統中，單個控制Agent無法獨立完成控制任務，因此在系統中引入中心Agent組織多Agent合作完成控制任務。當控制問題較復雜，單個控制Agent不能獨立完成控制決策時，由中心Agent根據適當的策略，將多個控制Agent組成小組，協調多個控制Agent參與問題求解。由于多Agent的支持，系統提供的控制決策結果更準確，還能對控制結果進行分析，提高系統的智能性。

4 系統應用

在該系統框架的基礎上，實現一個鍋爐智能控制決策系統。為了提高鍋爐燃燒效果，滿足節能等目標，需要對鍋爐燒煤速度、燃燒區的顏色、燒結顆粒、煙道負壓、風機轉速、煙氣溫度、濕度進行實時檢測與分析，得出控制算法，做出控制決策。其中很多控制參數是憑鍋爐工的經驗進行分析，因此專家的經驗知識是系統決策的基礎，它描述了系統在各種變化條件下應采取的控制策略。這些經驗知識通過控制決策A-gent和交互Agent的學習功能存放到知識庫中，知識的表達使用如下描述形式 ：

規則：：=（〈規則號〉*，“注釋” ，〈前提〉，〈前提〉∣…，〈結論〉）其中，前提和結論都是事實。以噴水系統啟動策略為例，定義啟動規則：

首先定義了一條名為watering_start的規則，該規則有溫度差temp_differernt和智能噴水系統是否已啟動is watering start兩個前提，如果系統運行過程中兩個條件同時滿足，則推出要求智能噴水系統啟動activate-watering-system的結論。

在每一個控制周期，在中心Agent的調配下，每個合適的控制決策Agent根據控制參數的計算值和從信息Agent那里獲得的實時數據和系統運行的歷史數據對控制規則進行模式匹配，然后把推理控制結果送往中心Agent，由它綜合后產生控制算法并用于系統實時控制。

系統選用ADVANTECH插入式數據采集與控制卡PCL-812PG完成現場數據的獲取和對現場設備的控制。用Java語言實現決策分析過程，每個Agent都是一個對象，由Java實現，其功能被封裝在里面。實現從控制系統取得實時數據、調取系統運行的歷史數據、將數據經過處理后進行專家控制運算，把控制算法得到的控制作用傳送給現場設備，完成應用軟件與現場控制系統的無縫連接等功能。通過對現場設備的控制，使鍋爐燃燒的經濟效益達到最佳的效果。

5 結束語

將人工智能Agent技術引入工業控制系統是當前的研究熱點，應用決策分析技術是本研究的一個創新。基于Agent技術實現了一個智能控制系統，系統具有一定的記憶功能和自學習能力，實現了較高的智能性，較好地解決了控制決策模型表示和管理的問題，屏蔽了運行平臺和通信機制，能夠有效地解決Agent的通信問題，使Agent合作變得容易。實踐表明，它比傳統的控制系統具有更高的準確性和靈活性，能有效進行復雜多控制參數的控制決策。

[1]柯飂挺，潘海鵬，顧敏明.基于專家控制的濕度測控系統[J].測試技術學報，2007，4（21）：355-459.

[2]王琦，黃繼鴻.基于MAS的企業預警支持系統設計[J].計算機工程與應用，2003，35（8）：192-194.

[3]方義，熊璋.智能控制中的多Agent系統[J].控制理論與應用，2006，23（5）：810-814.

[4]劉立，胡立臣，董玉，等.基于Agent的決策支持系統[J].計算機工程與科學，2002，24（3）：70-74.

[5]曹渠江，徐明.基于多Agent的MES任務調度的研究與設計[J].微計算機信息，2008，（11-3）：24-25.

[6]Bridgewater L G.Group decision support systems（GDSS）and influence modes：A comparative field study between GDSS mediated groups and non-GDSS mediated groups[J].Journal of logistics and Information Management，2001，5（23）：94-97.

[7]徐選華，陳曉紅.基于Multi-Agent的決策支持系統模型管理研究[J].計算機工程與應用，2005，41（13）：194-196.

[8]李牧南，彭宏.基于Agent的模型表示與模型復合[J].計算機應用，2006，26（4）：891-894.