新闻中心

EEPW首页 > 手机与无线通信 > 设计应用 > 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

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

作者:王金跃 陆海强 钱进 包伟峰 汪兴旺 杨健标 时间:2017-12-26来源:电子产品世界收藏
编者按: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

2 分布式故障诊断的协调优化

本文引用地址:http://www.eepw.com.cn/article/201712/373592.htm

  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。将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。假设智能体在智能体α的20个邻居中拥有最小的适应值,且。若智能体α满足:

(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:

  即便智能体α是劣质粒子,它仍然在保留了自己原本有用信息的基础上充分吸收了最优邻居粒子智能体 的有益信息,进一步减小了自身的适应值。

  中压环保型设备分布式运行监测与诊断结构中时采用企业内部和企业外部不同协同机制对执行任务进行监控,达到预设任务的状态追溯。基于多智能体的分布式故障诊断体系结构中各智能体通过协同与共享执行任务,其故障诊断运行框架如图7所示。

  中压环保型设备分布式运行监测与诊断运行框架包括:

  ①现场管理智能体可以完成执行任务的信息采集、采样组态设置、超限报警、数据显示、信号采集等;

  ②现场管理智能体通过自身的自我适应任务具备自治能力,实现数据可管理、在线监测、在线诊断等;

  ③若在一定范围内现场管理智能体无法排除故障,需要利用数据库传输模块和浏览器向资源管理智能体发出协同请求信息,同时讲信息收集到远程故障诊断中心;若在一定范围内资源管理智能体无法收到排除故障的信息,则资源管理智能体将实现自治,同时进入协同待请求状态;

  ④过程故障诊断智能体对历史数据进行分析,以及故障诊断与检测,包括时域和频域分析、频谱分析、全息谱分析、细化分析、时域波形分析、轴心轨迹分析、信号滤波解调、高通绝对值解调、时延域分析、故障模式分析、故障溯源等。

3 结论

  针对中压环保型设备的故障诊断方式与控制策略单一的问题,本文首先分析当前中压环保型设备故障诊断方式与方法,通过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中压环保型设备分布式运行监测与诊断体系结构,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,为提高中压环保型设备控制能力,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。

  参考文献:

  [1]E.Tatara,A.Cinar,F.Teymou,Control of complex distributed systems with distributed intelligent agents[J],Journal of Proeess Control, 2007,17(5):415-427

  [2]ZhangLiePing,ZhangYunsheng. Researed onhierarchieal distributed eoordinatione ontrolin Proeess in dustry based on multi-agent system[C].In:Proceedings of the International Conference on Measuring Teehnology and eehatronies Automation,Changsha,2010,(3):96-100

  [3]张交锁.中压环保型气体绝缘开关设备的实现及关键技术[J].中国电业, 2014(6):35-38.

  [4]曹磊.中压配电网设备利用率综合评价体系研究[D].天津大学硕士学位论文,2012.

  [5]姜林林.环保型设备投资决策问题研究[D].中南大学,2009.

  [6]蒋伟进, 许宇胜 , 吴泉源,等.基于多智能体的分布式智能诊断方法研究[J].控制理论与应用, 2004 , 21 (6) :235-237

  [7]朱大奇, 纪志成.基于多智能体的复杂工程系统故障诊断研究[J]. 计算机集成制造系统 , 2004 , 10 (6) :699-703

  [8]刘京津.基于多智能体系统的故障诊断技术在智能电网中的应用[J].电子与封装 , 2013 (12) :43-48

  [9]陈凯旋.基于多智能体一致性的智能电网调度策略[D].南京邮电大学, 2016.

  [10]刘京津.基于多智能体系统(MAS)的故障诊断技术在智能电网中的应用[C]. 江苏省电机工程学会2010年学术年会暨第四届电力安全论坛 , 2011:235-237.

  [11]赵丽平.基于Multi_智能体的电能质量监控网络的研究[D].成都西南交通大学,2006

  [12]GG Wang , AH Gandomi, AH Alavi, S Deb. A hybrid method based on krill herd and quantum-behaved particle swarm optimization[J]. Neural Computing & Applications, 2016, 27 (4) : 989-1006.

  [13]B Gordan,DJ Armaghani, M Hajihassani, M Monjezi. Prediction of seismic slope stability through combination of particle swarm optimization and neural network[J]. Engineering with Computers, 2016 , 32 (1) :85-97.

  本文来源于《电子产品世界》2018年第1期第37页,欢迎您写论文时引用,并注明出处。



上一页 1 2 下一页

评论


相关推荐

技术专区

关闭