2008年10月系统工程理论与实践第10期　文章编号:100026788(2008)1020119206流程工业多智能体系统协调控制董　洁,尹怡欣,彭开香(北京科技大学信息工程学院,北京100083)摘要:　以典型的流程工业过程为对象,结合分布式工业过程控制的特点,分析了多智能体应用于复杂工业过程控制的可行性、必要性;提出了一种基于工业过程控制的多智能体系统的体系结构及其协调控制过程.板带热连轧机过程控制是典型的分布式过程控制对象,文章从综合控制的角度出发提出热连轧机工业生产过程多智能体系统的体系结构,给出了体系结构中各功能模块的组成及其处理过程,并重点分析了轧钢过程中精轧机组中板形和板厚控制的协调过程.关键词:　多智能体系统;分布式人工智能;热连轧中图分类号:　TG14612+1 文献标志码:　A An industrial process coordinated control based on multi2agent technologyDONGJie,YI N Y i2xin,PE NG K ai2xiang(In formation Engineering School,University of Science and T echnology Beijing,Beijing100083,China)Abstract:　According to the characteristics of distributed industrial control process,we analyzed the feasibility andnecessity that multi2agent technology was applied to industrial com plicated control process.A multi2agent systemarchitecture based on industrial process and cooperation control of the system were described as well.S trip hot rollingprocess is a typical distributed control problem we met in metallurgy.We proposed a multi2agent structure of hot rollingprocess from the view of synthesized control.The com position and relationship of every function m odule was describedin detail.The cooperation control process of flatness and gauge was analyzed in the paper.K ey w ords:　multi2agent system;distributed artificial intelligence;hot2rolling1　引言分布式智能控制是在分布的物理和信息环境中,各智能控制环节通过交互、共享、协调、协作来完成相关的控制任务.分布式人工智能,尤其是多智能体技术是研究分布式智能控制的主要方法.随着分布式控制系统研究的发展、控制系统多模式集成度的提高,以及现场总线的推广,分布式智能控制的应用领域将不断增加[1].多智能体系统研究的困难是缺少组织结构,尽管目前关于多智能体系统的协调控制研究已吸引众多学者的关注,但大多是基于agent的相互关系或优化过程,应用统计学方法进行研究[2～6].本文研究了一种基于工业控制过程的多智能体系统的体系结构及其协调控制过程.第二部分探讨了基于分布式人工智能和多智能体系统的分布式智能控制的概念和必要性;第三部分提出了一种工业控制过程多智能体系统的体系结构;第四部分给出了体系结构中各功能模块的组成及其处理过程;第五部分以冶金工业中的热连轧机过程控制为例设计其多智能体系统结构及协调控制过程;最后给出了结论.收稿日期:2007204205资助项目:国家自然科学基金(60374032) 作者简介:董洁(1972-),女,辽宁人,副教授,博士,从事智能控制及人工智能研究;尹怡欣(1957-),男,河北人,教授,博士生导师,从事人工生命与智能控制研究.021系统工程理论与实践2008年10月2　工业过程多智能体的分布式智能控制211　复杂实时动态环境下多智能体系统存在的问题在复杂实时的动态环境下,多智能体系统表现出不同的特点,对存在的主要问题分析如下:1)目前复杂工业过程控制方法单一、各种控制方法缺乏集成,从复杂系统角度看,单一智能系统没有足够的知识、资源和信息去解决复杂的问题,因而研究如何使用较多的小型系统之间的相互协调、相互协作,以解决大规模的复杂问题是必要的;2)目前对多智能体系统的研究主要是针对静态环境进行的,对智能体本身知识的描述、智能体行为、推理决策及智能体间的协作和控制等无法描述复杂的动态工业过程,需要引入时间因素,采用动态逻辑学的方法建立多智能体意图及协作模型;3)在复杂系统实时的动态环境下,多智能体系统的动态规划、实时学习、分布式问题求解机制等问题尚未得到有效的研究.针对这种情况,应从多个角度对复杂的实时动态环境下的多智能体系统进行研究;4)多智能体系统应用于复杂的工业过程,多智能体系统的联合问题求解及其对求解过程的监控是实际工业应用的关键,至今尚未看到有效的研究;5)目前,有关多智能体系统中行为的不确定性问题研究的较少,而在复杂工业过程中,存在大量的不确定性信息,因此,研究多智能体系统的不确定性推理机制,对于多智能体系统的协作及冲突解决具有重要意义;6)在时间、资源条件限制下研究多智能体系统的行为属于新的方向,尤其是研究实时性要求高的条件下多智能体系统的推理机制及知识的表达方法以及对系统的定量和定性分析是多智能体系统用于实际工业过程需要解决的关键问题;7)大多数多智能体系统采用封闭和静态结构,但许多应用问题不仅是分布的,而且是开放且动态变化的,因此目前动态开发的多智能体组织结构越来越受到重视.212　基于分布式人工智能的分布式智能控制系统的可行性工业过程是由不同生产环节和设备组成的相互关联的有机整体,从控制和系统的观点来看,是一类典型的分布式系统.分布性是工业过程的本质特性.工业过程的分布性包括物理分布和逻辑分布.物理分布包括时间分布和空间分布,而逻辑分布包括一些内在的分布特性,如功能分布、方法分布、冗余分布以及模型分布等.例如控制子系统中不同控制方法(如模糊控制、神经网络控制、PI D等)的集成,集散系统中的冗余数据与控制节点,同一环节的不同模型,都可以看成分布来处理.分布性引起协调,资源冲突(资源共享)引起协调.在对单个子系统实现智能控制后,如何使它们协调各自的行为,从而达到更高层次、更大范围的智能控制,是我们要研究的问题.分布的独立自主个体的资源有限性也揭示了协调的必要性.分布式人工智能关于智能体协调的技术,显然可以合乎逻辑地用于解决这一问题.可以说,由分布、自主到协调协作,再到多智能体系统,是技术发展的逻辑必然.而采用基于分布式人工智能的分布式智能控制系统的可行性表现为以下几个方面:1)PI D控制、专家系统及分布控制系统等方法设计的子系统,为实现系统各单元的分布协调提供了物质基础;2)计算机网络技术的发展使子系统间的交互成为可能;3)工业控制中的“现场总线”为多Agent的面向分布式智能控制提供了动力.3　多智能体系统的协调监控结构多智能体系统的结构有不同的形式,采用何种形式应与要解决的问题相协调.考虑到前面提到的工业过程的特点,提出一种分层混合式体系结构,其结构及流程图如图1所示.其中agent1可以采用某种自适应控制算法,agent2为应用专家知识或模糊系统的模型选择器,agent3为应用神经网络技术(如RBF神经图1　多智能体系统的协调监控结构网络)的神经控制器.4　轧钢自动化多智能体系统“轧钢自动化系统及控制功能开发”是我们与国内某著名钢铁集团公司联合研发的实际课题,根据实际需要提出的工业过程多智能体系统实现基于人工生命的智能控制系统的思想,对其进行了仿真研究,为实际项目的设计及运行提供了依据.411　系统简介开发项目的总体目标是为钢厂2150ASP 、1580热连轧系统实现保证产品高质量的控制功能.系统的控制范围从加热炉炉前板坯上料辊道开始,到卷取机出口侧运输链,钢卷称重完了结束[7].硬件系统结构如图2所示,两台服务器组成Cluster 集群系统.两台Alpha 服务器通过磁盘阵列共享数据,主机与磁盘阵列之间通过光纤相连.磁盘阵列采取Fiber Channel (光通道)和Mem ory Channel (内存通道)完成进程间的通信.磁盘阵列采用光纤交换机,带宽在100M 以上,以满足系统大量数据交换的要求.412　多智能体系统建模根据生产过程各环节功能和控制要求[8],将整个系统设计为一个分布式系统,每个子系统负责某些设备的运行检测和控制,该系统物理分布如图3所示.图中各子系统在设计上按多智能体系统框架进行设计.每个子系统可以是一个智能体,也可以是多个功能更细的智能体组成,形成一个分级递阶的多智能体系统,其逻辑系统组成如图4所示.该智能体系统具有三级分层递阶体系结构,处在各级中的智能体整体上来讲,所在级别越低,相对于上层而言功能越细,目标越具体,满足智能控制中“精度降低,智能提高”的分级递阶原则.系统有6个智能体组(图中只画出3个),精轧控制智能体包括跟踪修订智能体、参数预报(温度、轧制力)智能体、参数设定(压下位置、板形、张力等)智能体、精轧质量控制智能体等,粗轧控制、卷取控制略).它们处在不同的层次,组智能体之间的关联经由所在层次低的智能体组的组长智能体实现,该组长智能体同时属于关联的两个组,这与互联网系统中路由器的情形相似.组长智能体与组员智能体的显著区别在于前者除了本组组员信息之外,还包含上一层智能体组的信息,且具有反映上一层协调作用的联合目标库,组员智能体对超越本121第10期流程工业多智能体系统协调控制图2　系统硬件结构图3　轧钢过程系统图图4　轧钢过程多智能体系统组的联合行动请求和协作需有组长智能体作中介.轧钢过程多智能体系统中每一个智能体在智能体一般结构基础上加入所需的BGI 精神状态和激活方式等信息,即可形成实际的多智能体系统.221系统工程理论与实践2008年10月413　轧钢过程多智能体系统的协调控制多Agent 系统环境中每个Agent 都有不同的动机,各自实现自身的目标.Agent 之间的合作并不是一件自然的事情,合作必须通过通信和协作来完成,协作不仅能使单个Agent 以及多个Agent 所形成系统的整体行为的性能增强,Agent 及多Agent 系统解决问题的能力还能使系统具有更好的灵活性,拓宽多Agent 系统的应用.由于问题的分布性和内部相关性,多Agent 系统中合作的关键问题就是多Agent 系统之间的通信和协调机制.在开放动态的多Agent 环境下,没有任何一个Agent 有足够的能力和资源去解决整个系统的问题.具有不同目标的多个Agent 必须对其目标资源的使用进行协调,在出现资源冲突时若没有很好的协调,就有可能出现死锁,使得多个Agent 无法进行各自的下一步的工作.Agent 间的协调越多,会使多Agent 系统得到一个越为一致的整体行动.如果Agent 参加的动作中存在以任何方式的相互作用,那么一定的协调机制是必需的.图5　精轧控制多智能体组织结构根据多智能体系统常用的任务分解思想,将精轧控制多智能体分解为跟踪修订智能体、参数预报(温度、轧制力)智能体、参数设定(压下位置、板形、张力等)智能体、质量控制智能体、质量评估智能体等,其中质量控制智能体又可进一步分解为厚度控制智能体,板形控制智能体、宽度控制智能体、温度控制智能体、监控站学习智能体,如图5所示.在多智能体控制系统中,各控制Agent 具有共同的全局目标(如整个系统的稳定性或较高的性能指标),同时还有与全局目标一致的局部目标,各个Agent 通过协调协作实现全局目标.精轧控制是一个非线性、多变量、强耦合系统,而且系统各变量之间的耦合关系随负载和Π或时间而变化,这可能会引起系统结构的变化,系统某些环节还可能出现故障.对于复杂实时动态工业过程,利用信息交互合作产生决策,利用信息交互获得合作,如果Agent 仅提供正确完整的信息给其它Agent ,则Agent 之间不会产生冲突,可以导致巨大的互相增强的效果.我们希望利用协作来减少通信,达到协调控制的目的.鉴于精轧控制的复杂性,本文仅讨论板形与板厚控制智能体之间的协调控制.图6　板形2板厚系统控制仿真结果分别采用常规PI D 解耦控制的综合调节方法和基于强化学习多级协调方法(M LC AR L ,Multi Level C oordinate Alg orithm based on Rein forcement Learning )对板形和板厚的协调控制进行仿真,仿真结果如图6所示.两种方法均可以及时跟踪输入变化,具有较高的响应性能;M LC AR L 方法控制量变化较常规PI D 综合调节方法变化小,对执行机构的冲击小.321第10期流程工业多智能体系统协调控制421系统工程理论与实践2008年10月5　结论本文结合工业控制的特点,分析了多智能体应用于工业控制的可行性、必要性,同一般多智能体相比,指出了应用于工业控制的多智能体的特点.本文设计了多智能体系统的协调监控结构,并在此基础上结合具体研究课题,以轧钢过程为对象,进行了多智能体建模,给出了多智能体的组织形式,并选取典型的质量控制智能体之间的协调控制进行了仿真验证,充分说明多智能体的协调控制对提供系统的稳定性及产品的质量有着重要意义.参考文献:[1]　刘金琨,尔联洁.多智能体技术应用综述[J].控制与决策,2001,16(2):133-140.Liu J K,Er L J.Overview of application of multi2agent technology[J].C ontrol and Decision,2001,16(2):133-140.[2]　Nair S,Leonard N E,M oreau L.C oordinated control of netw orked mechanical systems with unstable dynamics[C]ΠΠProc.IEEEC DC,2003.[3]　Jennigs N R,Sycara K,W ooldirdge M.A roadmap of agent research and development[J].Journal of Autonom ous Agents andMult2Agent Systems,1998,1(1):7-38.[4]　Binabeau E,D orgio M,G heraulaz G T.S warm Intelligence:From Natural to Artificial Systems[M].Ox ford Press,1999.[5]　Ulieru M.Emergence of holonic enterprises from multi2agent systems,S oft C om puting Agents:A new perspective on dynamicin formation systems[Z].2002,187-215.[6]　Dignum V,Vazquez2Salceda J,Dignum F.Introducing s ocial structure,norms and ontologies into agent organizations[C]ΠΠ3rdInternational Joint C on ference on Autonom ous Agents and Multi2agent Systems,2004,91-102.[7]　Jie D ong,Y ixin Y in,K aixiang Peng et al.A multi2agent architecture for industrial control process[C]ΠΠProceedings of theInternational C on ference on Sensing,C om puting and Automation,2006,895-899.[8]　孙一康,童朝南,彭开香.冷轧生产自动化技术[M].北京:冶金工业出版社,2006,169-173.Sun Y K,T ong C N,Peng K X.Automatic T echnology on C old T andem M ill[M].Beijing:Metallurgical Industry Press,2006, 169-173.。