基于多Agent的瓦斯监测系统故障诊断技术研究

刘传玺

(山东科技大学,山东泰安271019)

矿井瓦斯监测系统作为对安全性要求很高的一个复杂的动态系统,因单一故障诊断方法或专家知识水平的局限性,往往不能满足诊断系统实时性和准确性的要求,所以需要集成运用多个专家经验才能获得正确的结论。同时,对诊断问题的求解,要求实现集成化、智能化、自动化和网络化,传统的诊断技术已不能满足此诊断性能的需要,必须采用新的诊断理论体系和结构。Agent是一种具有自主行为的智能体,能够实时处理多维信息。通过Agent之间的互相通信与协作,可以在相同环境中采用不同的方法解决问题,增强了诊断系统对环境的适应性。

基于网络环境的瓦斯监测系统MAS故障诊断系统,实现了基于网络环境的瓦斯监测系统MAS故障诊断系统的初步应用。本文重点阐述基于多Agent系统 (M AS)故障诊断的实现方式、信息采集与获取、故障诊断系统总体结构和功能等方面的设计和应用。

1 瓦斯监测系统故障诊断的实现方式

1.1 故障智能诊断系统的定位

实现故障诊断系统的基本条件,是获取系统及有关设备运行过程中相关变量的测量数据,因此数据采集功能是任何诊断系统所必需的。到目前为止,对于监测监控系统的过程优化、性能计算、故障诊断等功能子系统 (或Agent),可以采用如下三种实现模式。

1)DCS+功能站 (Agent)。这种结构功能站,必须具有从DCS中获取数据的功能模块,往往需要针对每种DCS开发相应的接口来获取过程实时数据;同时,诊断系统需要在数据采集的可靠性和数据处理上,花许多时间和精力。此系统结构往往使计算站过于专业化,系统的移植的工作量很大,由于每种计算站都具有和DCS打交道的接口,实际上造成了资源的重复利用率低的情况。

2)M IS+功能站 (Agent)。许多管理信息系统 (M IS)中,已经有部分的生产实时数据,因此诊断功能站 (Agent)也可以建立在M IS的基础上,直接从M IS上获取需要的信息。然而,M IS是面向管理人员的信息系统,它主要完成办公自动化、物资管理、人事管理、财务管理和综合查询等功能,因此对数据通讯的实时性要求不高,且通讯负荷一般具有突发性的特点。对于故障诊断系统来说,保证实时性和全面可靠的数据来源,是诊断系统性能的基本保证。从根本上说,M IS+功能站 (Agent)的系统结构只能是权宜之计。

3)SIS+功能站 (Agent)。随着 DCS、PLC等计算机控制系统在煤矿生产过程中的广泛应用,产生了网络环境下的全矿井综合自动化监控信息系统 (Superviso ry Info rmation System of Plant简称SIS)。它以全矿所有实时数据为基础,以先进的实时数据库和计算机网络为平台,在若干运行优化模块的支撑下,实现管控一体化的目标。可以预见,矿井综合信息系统必将成为煤矿企业生产和管理的重要组成部分。本文将瓦斯监测系统M AS故障诊断定位于在监控信息层实现。

矿井综合自动化监测监控信息系统获取生产和控制系统的实时数据,并进行存储、归档和管理,经过相应的软件计算、分析、优化与诊断,直接应用于运行指导。与M IS相比,监控信息与生产过程关系密切,要求其实时性高、通讯连续稳定。由于监控信息系统数据来源复杂,因此具有海量实时/历史数据支持,且数据的获取速度极快。因此,基于SIS数据平台的信息系统,是故障诊断系统的最佳方式。

1.2 故障诊断系统的运行方式

故障诊断系统的运行方式分在线和离线两种。离线式的故障诊断系统的主要用途,是帮助快速发现系统的故障,指定更加合理有效的系统和设备维修方案,找出系统的薄弱环节,最终提高系统的可靠性和生产效益。在线式的故障诊断系统,用于连续地实时监视整个系统的测量参数,基于适当的在线故障检测与诊断算法,给出系统的故障信息,包括故障报警信息、故障位置信息和故障程度信息等。具体采用哪种形式的故障诊断系统,一般可以从实际要求和现场客观条件来考虑。在线的故障诊断系统,可以达到理想的故障诊断效果,能实时监视系统及设备运行状态,但是,这类系统对于数据采集、通信接口等硬件设备,以及故障诊断算法的实时性要求较高。

在网络环境下,基于综合自动化系统的信息层实现瓦斯监测系统故障诊断中,数据通道上的实时性完全可以得到保证,而故障诊断算法上的实时性是需要注意的问题。因为对于瓦斯监测系统,瓦斯传感器数量多、分布广,算法必须保证在检测的周期内完成大量的运算功能。从功能上讲,及时发现系统及设备存在的故障,并提醒技术人员和维修人员提前采取措施,比事后的故障分析更加具有实用价值。因此,瓦斯监测系统故障诊断系统,应设计为在线诊断模式,并应具有远程诊断功能。

2 瓦斯监测系统故障诊断总体构成及应用

目前,多数煤矿都已安装了监测系统和M IS系统,部分煤矿正在对M IS系统进行升级改造,以实现SIS系统,构造数字化矿山。这为矿井瓦斯监测系统故障智能诊断系统的实现提供了可能性。现在应用的监测系统,只能对断线一类的简单故障进行报警。虽然具备事故粗略的追忆功能,但不具备真正意义上的故障诊断能力。

2.1 MAS故障诊断的总体构成及主要特点

瓦斯监测系统故障智能诊断多A gent系统(MAS)的总体构成,如图1所示。

图1 故障诊断系统总体构成图

1)系统采用了分布式结构,将复杂的故障诊断推理任务都分解到不同的节点,由子系统相互协作完成故障诊断任务。由于充分利用多 Agent系统 (MAS)的并行性,提高了系统的实时性和可靠性,系统诊断能力得以提高。

2)系统以计算机网络为基础进行通信,通信建立在 TCP/IP协议的基础上,从而保证了系统的可移植性,系统规模增加变得更加容易。

3)系统有良好的可扩充性和可重用性,采用了协作诊断的模式。可按一定规则共享网上的诊断资源,从而有利于不断提高系统的诊断能力以及诊断对象变化时系统的适应性。通过增删模块,便于构造出针对不同诊断对象的故障诊断系统。

4)系统采用了COM/DCOM以及智能Agent技术,大大削弱了软硬件环境对系统的限制,使系统的通用性得以提高。

5)系统有良好的用户界面。在 Window s XP平台下使用 VisualC++6.0集成开发环境开发,程序都采用图形接口,功能明确,操作简便。

2.2 MAS故障诊断应用分析

为了检验本系统的功能与效果,将瓦斯监测系统许多故障实例输入专家系统。实例诊断证明,该故障诊断系统诊断结果与实际故障性质完全一致,并能正确指导检查维修工作。故障智能诊断系统的主界面,如图2所示。示的某时段瓦斯传感器 T1在第30个采样点出现幅值变化率为0.014时的漂移故障时,y′与 y的残差信号的变化情况:

y′-y ≥0.14

因此,基于RBF网络信息融合的瓦斯传感器故障诊断法Agent1,判断瓦斯传感器 T1结论为:“瓦斯传感器 T1有漂移故障,应尽快更换,密切注意故障发展”。

表1 KJ90监测系统部分监测数据

图2 故障智能诊断系统的主界面图

以下是部分诊断实例:

某矿瓦斯监测系统 (KJ90)的瓦斯传感器、风速传感器、二氧化碳传感器、温度传感器的监测值,如表1所示。

1)诊断开始,首先建立瓦斯监测对象,并从相应的数据库中装入诊断所需的信息 (例如瓦斯传感器 T1、温度传感器值等);然后建立对Agent诊断类并调用类的成员Agent 1、Agent 2、Agent 3,进行基于多Agent分析的诊断。

在这一步中,应用程序先调用基于RBF网络信息融合的瓦斯传感器故障诊断法Agent1,判断瓦斯传感器 T1是否存在故障及严重程度,诊断显

2)基于FTA的瓦斯监测系统故障智能诊断法Agent 2中,暂时没列瓦斯传感器的故障树,因此Agent 2不能诊断瓦斯传感器的故障。

3)在基于 CBR的瓦斯监测系统故障诊断法Agent 3中,进入诊断平台的“案例推理”模块,案例检索匹配后诊断结果显示出来。本次诊断显示为系统发生瓦斯传感器误差故障。

4)综合故障诊断结论及处理建议

故障性质:瓦斯传感器漂移故障,此故障属系统非致命性的故障。

故障部位:1117(1)回风顺槽101-T1瓦斯传感器。

故障原因:井下环境潮湿、粉尘等所致。

故障处理建议:立即更换发生故障的瓦斯传感器,安排内部检查。

故障诊断示意图,如图3所示。

查看其中的故障处理建议,系统给出结果见图4。

图3 故障智能诊断系统示意图

图4 故障智能诊断系统故障处理建议窗口图

从多Agent故障诊断系统的运行结果来看,诊断系统完全实现了预想的功能。决策融合后,即可给出最终诊断结论,并能给出相应的维护处理建议、意见,整个过程可瞬间完成,体现了很强的智能化行为。监测系统或设备运行出现异常后,即自动进行诊断,并立即给出结果和建议,其间不需要人工干预。另外,在软件设计时,系统维护处理建议部分对用户开放,用户可以把自己有效的维护处理措施加入进去,使得系统更为完善。这在煤矿安全监测系统故障诊断中是首创的,体现了多Agent故障诊断的高效性。

3 结论

瓦斯监测系统是包含大量传感器和井下分站等设备的复杂系统,实现对监测系统的故障诊断是一项难度很大的工作。本文给出了基于多Agent诊断结构下的瓦斯监测系统M AS故障诊断的实现方式和实现步骤,给出了故障诊断系统设计的框架。

利用可视化编程工具开发了Window s平台下的诊断MAS系统软件,对该诊断系统进行了仿真研究,并在矿上进行初步应用。基于MAS瓦斯监测系统故障诊断,能够使用计算机来辅助工作人员进行实时故障判断并给出处理措施,对煤矿监测系统安全运行具有重要意义。

[1] 陈真勇,等.多Agent故障诊断原型系统研究 [J].中国机械工程,2002,13(13):10-13.

[2] 吴伟蔚,杨叔子,吴今培.故障诊断Agent研究 [J].振动工程学报,2000(9):393-399.

[3] Weiming Shen,Francisco Maturana,Douglas H Norrie.Enhancing the performance of an agent-based manufacturing system through learning and forecasting[J],Journal of Intelligent Manufacturing,2000,11:365-380.

[4] Soe-Tsyr Yuan,Zeng-Lung W u.An Infrastructure fo r Engineering Cooperative Agent[J],International Journal of Software Engineering and Know ledge Engineering,2000,10(6):681-711.

[5] 王耀才,卢文海,许志芳.基于Intranet的瓦斯实时监测信息系统集成 [J].计算机工程与应用,2002(19):236-237.

[6] 王平津.煤矿瓦斯安全多级监管中的信息技术 [J].煤炭科学技术,2004,32(4):21-25.

[7] 张海源,郭 炜,姜丽华.设备状态监测及故障诊断专家系统 [J].冶金设备,2005(1):56-58.

[8] 钱苏翔,杨勇,钟秉林.分布式故障诊断智能代理体系的研究 [J].机电工程,2000,10(3).