0 引言
數控系統具備高精度、高效率、柔性自動化等特征，是各種柔性制造系統的技術基礎與核心控制單元。近年來，隨著機械制造業生產規模的擴大與設備復雜度的增加，傳統數控系統在并行處理及異構系統的集成、移植和伸縮性上都已無法滿足現實需求。因此，如何設計能集成各種自動化加工設備的開放式數控系統便成為了研究的熱點。
在對開放式數控系統的研究中，體系結構的研究應該放在首要位置上。對特定的系統，選擇適當的體系結構，是保證該系統后續工作成功的關鍵。目前，國內外在開放式系統結構這個領域都開展了深入的研究，并提出了多種設計方法。這些方法大多從工程的角度考慮，對傳統的設計方法提出了改進，并取得了一定得成果。但傳統的設計方法對于數控系統并不適用，與一般系統相比數控系統不僅要求具備高性能、高適用性，而且還需要許多智能化技術，如加工運動規劃、推理、決策能力，對加工環境的感知能力，智能監控及智能控制等。因此，必須從數控系統自身的特點出發，為其設計一種能滿足高智能化特征的系統架構方法。
多智能體系統(MAS)由多個具有自主決策能力的獨立智能體組成。其中每個獨立智能體均是一個物理的或抽象的實體，不僅具有自主性、分布性及協調性等特點，而且具備知識學習、推理的能力，能作用于自身和周圍環境，并通過與其他智能體進行通訊，協作完成具有分布式特征的任務。多智能體技術在異質網絡、操作系統、機器、不同軟件之問的任務協同、消息交換等方面表現極強的能力，將多智能體技術引入開放式數控系統的設計過程，不僅可以滿足對系統集成能力、可移植性及擴展性的要求，而且可以增加數控系統的智能化程度。因此，利用多智能體技術進行開放式數控系統結構的設計是可行且合理的。
綜上所述，本文提出了一種基于多智能體技術的分布式數控軟件系統的體系結構和各功能智能體的實現方法，并對智能體的通信機制方法進行了相應的研究。
1 智能體與多智能體系統
1.1 智能體的概念
智能體是分布式人工智能領域的一個基本概念。智能體具有自主性、社會能力、反應性、推理性等特征。智能體由知識、目標和能力三個要素組成。其中，知識主要包括領域知識、通訊知識和控制知識等；目標可以根據變化情況分為靜態目標和動態目標，目標可以通過算法編入或顯示給定，也可通過通訊獲得；能力可以顯示地給定、學習或通過通訊獲得，包括推理、決策和控制等。
1.2 多智能體系統的概念
多智能體系統是由多個獨立智能體組成的集合，該系統可以協調一組智能體的行為，以協同地完成一個任務或求解問題。各獨立智能體可以有同一個目標，也可以有多個相互作用的不同目標，它們不僅要共享有關問題求解方法的指示，而且要就單智能體間的協調過程進行推理。多智能體系統的結構從運行模式的角度可分為兩種：
(1)集中式結構
由一個核心智能體和多個與之在結構上分散的、獨立的協作智能體構成。核心智能體負責任務的動態分配與資源的動態調度，協調各協作智能體間的通信與資源共享，該類系統比較容易實現系統的管理、控制和調度；
(2)分布式結構
系統中各智能體彼此獨立、完全平等、無邏輯上的主從關系，按特定的通信和協商機制確定各自的任務，協調各自的行為活動，實現資源、知識、信息和功能的共享，協作完成共同的任務，以達到整體目標，這種結構具有良好的封裝性、容錯性、開放性和可擴展性。
上述兩種結構可根據實際需求進行選擇，既可以獨立使用，也可以采用兩者結合的方式進行系統建模。
2 基于多智能體技術的開放式數控系統軟件結構模型
2.1 開放式系統的定義和特征
IEEE對于開放式系統的定義如下：經過恰當實現的應用程序能夠在不同廠商的多個平臺上運行，能夠與其它系統的應用程序互操作，并且能夠提供一致性的人機交互界面。由定義可知，開放式數控系統應該具有如下特征：
(1)模塊化。在系統建模過程中，將其分解為邏輯上互相獨立的模塊，實現模塊與功能之間的相互對應關系，并為每個模塊提供統一標準的接口，利用少量模塊的多種組合形式進行產品開發，這樣既能能夠為用戶在硬件選擇上提供更大的自由度，又能滿足用戶的多樣化和層次化的要求。
(2)可移植性。系統對各功能接口的數據格式、行為模式、通訊方式和交互機制進行統一規定，令用戶可根據自身的要求選擇適當的軟件。使用戶擁有更大的自由空間，也增加了系統的適用性和可操作性。
(3)可伸縮性。可伸縮性指系統的功能、規模應該是靈活的、可變的，可根據實際需求增加硬件配置或軟件模塊來對系統的功能進行擴展，也可以裁減其功能以適應低端的應用。
上述特征只是開放式系統的基本要求，針對不同的系統，設計的需求也會相應增加。開放式數控系統屬于智能化柔性制造系統，在其設計過程中不僅需要滿足上述基本特征，同時也要滿足其智能化的需求，下面闡述開放式數控系統建模方法。
2.2 基于多智能體技術的數控系統軟件結構的總體設計
為了使數控系統符合開放式系統的要求，并從體系結構上保證其開放性和可重構性，則應在系統設計過程中將其決策和控制任務作為一個統一整體對待，從運行機制、基礎算法方面等保證系統與開放式結構的協調性。將多智能體技術引人開放式數控系統的建模，不僅可以滿足開放式系統的模塊化需求，且具有更好的獨立性，協調性和可重構性，并能滿足系統的智能化需求。
通過對數控系統運行過程的分析及對其功能模塊的劃分，本文提出基于多智能體技術的開放式數控系統的總體結構設計，整個系統由8種不同的智能體組成，采用集中式結構進行設計，并通過特定的協商和通信機制來共同完成加工任務，系統結構如圖1所示。
圖1多智能體系統結構圖
其中各智能體的功能如下：
(1)中央管理智能體。中央管理智能體是核心智能體，負責加工過程中各子任務的決策、系統運行方式管理、系統資源的調度以及智能體的管理等任務。
(2)人機交互與信息管理智能體。該智能體負責數控系統與外界的信息交換，包括操作信息的輸入、零件程序的輸入以及系統運行信息動態顯示等功能。該智能體通過配置不同的參數來支持不同的用戶模式和連接權限。
(3)加工數據管理智能體。該智能體的主要功能包括對輸入的零件數控加工程序進行語法效驗，對標準代碼編寫的零件加工程序進行程序譯碼，將其翻譯成數控系統內部易于處理的形式，并對反饋信息進行管理。
(4)刀具路徑規劃智能體。對加丁數據信息進行特征提取，實現插補算法的自動選擇，通過實時插補以及坐標轉換等步驟完成刀具軌跡的自動規劃生成。
(5)仿真智能體。利用從加工信息中提取的幾何信息進行加工仿真。
(6)運動控制智能體。包括對進給軸運動和誤差的控制，對主軸的轉速、方向及伺服的控制，對進給速度處理控制及自動加減速控制，以及對開關量控制等功能。
(7)機床設備監控智能體。對加工過程進行監控，如果發現有異常，向中央管理智能體發送異常信號。
(8)故障診斷學習智能體。通過分析故障特征信息，結合特定的診斷方法和知識庫中存儲的診斷信息進行故障診斷和新知識學習。
在系統建模過程中發現需解決的兩個關鍵技術問題分別是各智能體的結構功能設計，以及智能體間通信機制的設計，下面分別進行分析。
3 模型中典型智能體的結構設計
上述8種智能體是設計基于多智能體技術的開放式數控系統的基礎和關鍵。下面以刀具路徑規劃智能體和故障診斷學習智能體為例說明其實現的具體方法和原理。
3.1 刀具路徑規劃智能體
刀具路徑規劃智能體的核心功能是進行軌跡插補的自動選擇，并進行實時插補和坐標轉化，最終完成刀具路徑規劃。
要實現插補算法的自動選擇，首先要對插補技術的特征進行分析。軌跡插補是數控系統的核心技術，插補算法的優劣與否是直接影響加工效果的決定性岡素，因此對算法精度和速度要求非常嚴格，插補算法的設計一直是數控領域的研究熱點和難點。現有的插補算法十分豐富，包括線性插補、圓弧插補、螺旋插補、高速采樣插補、樣條插補、自由曲面插補、刀具矢量插補方法等。每種插補方法均有各自不同的適用加工條件，且各有優劣。以線性插補為例，該算法的優點是實現簡單，計算量小，因此特別適于簡單規則的曲面加工，在三軸機床加工中應用廣泛。但對于復雜空間曲面而言，一般采用多軸聯動數控機床進行加工以獲得更好的加工精度。如還選用線性插補方法則會產生非線性誤差，易造成刀具與工件問的碰撞和干涉。這就需要選擇一種能滿足多軸機床進行復雜曲面加工的插補算法，刀具矢量插補法可以保證加工過程中的刀軸矢量始終位于首末向量所決定的平面，因而可減少非線性誤差，從而克服了線性插補的不足，但刀具矢量插補法在提高傳統線性插補的精度的同時也增加了算法復雜度，對于簡單曲面的加工有些得不償失。因此，在實際加工中，我們不應只局限于選擇單一的插補方法，而是應該針對不同的加工需求進行具體分析，選擇適合的插補方法。
為了實現插補算法的自動選擇，可采用人工神經網絡的學習方法，通過數據庫中存儲的已知加工實例訓練神經網絡，確定網絡參數。在實際加工過程中，通過對加工信息進行特征提取，并通過以訓練好的人工神經網絡進行模式識別完成插補算法的自動選擇功能。之后通過插補計算產生各坐標軸的運動指令進行與機床坐標系的坐標轉換，最終完成刀具路徑規劃。智能體的具體功能流程如圖2所示。
圖2 刀具軌跡規劃智能體功能流程圖
3.2 故障診斷學習智能體
故障診斷一直是數控系統設計的核心功能之一，也是最能體現其智能化程度的功能模塊。故障診斷學習智能體通過知識庫中存儲的診斷知識和智能診斷方法對出現的異常故障進行診斷和解釋，以確定故障發生的位置和原因。其診斷的效率和質量主要取決于其知識庫中知識模型和推理策略的設計。本文采用模糊Petri網(FPN)構建診斷知識庫中的知識模型，其異步、并發、模糊性等特征與多智能體技術的要求十分吻合。傳統Petri網的推理方法包括矩陣推理法、搜索樹遍歷法等。本文設計了一種基于FPN的正反雙向結合的推理方法，首先通過逆向推理確定與決策目標有關的規則或條件，對FPN進行化簡，縮小問題求解空間，然后通過極大代數的矩陣算式實現正向的置信度推理算法。算法流程如圖3所示。
圖3故障診斷推理算法流程圖
縮小搜索空間將有助于提高搜索速度，對于提高大型知識庫處理效率有很好的效果，不僅容易滿足實時性的要求，也能滿足決策支持的要求。
通過上述步驟完成了知識模型的設計。一個高效的診斷系統不僅需要具備適合的知識模型及推理算法，而且需要在知識庫中存儲足夠的診斷知識。但現實里，任何知識庫在初始構建時都不可能涵蓋故障診斷過程中所要用到的全部知識，這就需要設計一種學習機制，能夠將在生產過程中及診斷過程中發現的新規則以知識模型的形式添加到系統知識庫中，完成對知識庫的不斷更新、完善。故障診斷智能體的診斷流程如圖4所示。
圖4診斷知識學習流程圖
系統在進行故障診斷的過程中遇到新的故障規則，首先診斷智能體與知識庫中的診斷知識進行匹配，如知識庫中已包含該規則，則只需按推理算法進行診斷即可，若不包含該規則，則需要通過學習機制進行規則提取，并添加到知識庫中進行更新。本文采用基于人工免疫網絡理論設計機器學習機制，利用抗原相似濃度算法進行免疫網絡中抗體數目的生存，通過訓練免疫網絡確定相關系數，計算免疫反應能力，最終實現規則的提取和學習。
4 智能體通信機制的研究
多智能體系統研究的核心是一個由自主的智能體組成的群體怎樣通過交互作用來解決現實中原本具有分布性的復雜問題。由于問題的分布性和內部相關性，智能體間通信機制的效率將對整個系統的性能產生決定性的影響。因此，通信機制的設計也成為系統構建的核心問題。對智能體問通信機制的設計主要包括智能體間通信模式的選擇及通信語言的標準化兩個步驟。
4.1 通信模式的選擇
智能體之間常用的通信模式包括：
(1)“點對點”的直接通信模式。在這種模式下，智能體之間不管主次、遠近都直接進行通信。在由Ⅳ個智能體構成的系統中。每個節點之間需要有上N(N-1)／2個連接，系統復雜度為O(N2)。
(2)“黑板結構”的間接通信模式。稱其為間接模式是因為在這種模式下，系統為所有智能體設置一個中間媒介，稱為“黑板”區域。其作用是存儲共享數據，以實現智能體之間的通信和數據共享。各智能體可以隨時訪問黑板，而在智能體之間則不存在直接通信。這種通信方式的系統復雜度為O(N)。
上述兩種通信方法各有優劣，直接通信的系統復雜度較間接通信高，但其通信可靠性勝于后者。由于本系統采用集中式結構設計，中央管理智能體為整個系統的核心智能體，而其他功能智能體的關系相對模糊。因此單一的通信方式無法滿足全部的
系統需求，本文采用“混合式”通信方式，其結構如圖5所示。
<img alt=""混合式”通信結構" src="http://images.ilinkmall.com/news/20151229/130261926647838701_new.jpg" style="width: 382px; height: 202px" />圖5“混合式”通信結構
從主次關系出發，中央管理智能體與各功能智能體間采用直接通信模式，以滿足中央管理智能體決策的通信可靠性要求。此外系統將為各功能級智能體設立“黑板”區域，采用間接通信模式，由于各功能級智能體問通信頻度較高，且資源共享度高，設立資源共享區域將有助于提高通信效率。中央管理智能體可以直接對“黑板”區域進行訪問，并對共享內容進行管理。上述步驟完成了對智能體通信機制中通信結構的設計，下面闡述如何對通信語言進行標準化封裝。
4.2 通信語言的標準化
智能體的通信語言(ACL)是實現智能體之間互操作性的基礎和關鍵。目前智能體主流的通信語言標準有KQML和FIPA ACL兩種。兩者在基本概念和規則上幾乎是相同的，其差別主要表現為語義框架不同。其中FIPA ACL具有精確的形式化語義，而KQML則利用六個特定謂詞的邏輯組合形式來描述。從應用情況看，兩種語言標準均在國內外取得了豐碩的理論研究成果，并且都有相應的實現平臺或工具。但在應用過程中也都產生了一些問題，包括：
(1)ACL很難解析。其主要原因有兩點。第一，KQML和FIPA ACL都是沒有格式(或弱格式)的字符串，這給ACL的解析帶來很大難度；第二，兩者均利用嵌套結構來增加ACL的描述能力，但同時也增加了解析的復雜度。
(2)均不易擴展。
(3)缺少對有效性的檢查。
(4)跨平臺性差，代碼難以移植。
因此，要克服現有ACL標準存在的問題，就必須找到一種標準的語言規則來重新對ACL進行封裝。
XML是基于文本的可擴展的標識語言規范，是一種可以表達數據中結構的共同語法的標識語言。XML使用文檔類型定義(DTD)規定一套關于標記符號的語法、語義規則，比較準確地描述文本數據的內容、含義、結構、特征和關系等信息，而把數據的外觀表現形式交給樣式表處理，這就把數據的內容與表現形式分離開來，從而大大提高XML數據的可理解性、可交換性和重用性。另外，XML文檔是純文本，獨立于操作系統平臺和應用，使用者可自由定義標簽和文檔結構，亦可增添或擴展已有文檔結構定義，以滿足新應用需求，而不需破壞原有的應用，因此具有更好的靈活性和可擴展性。
綜上所述，本系統選擇用XML對KQML和FIPAACL進行封裝。這里以對FIPA ACL消息封裝為例進行分析。FIPA ACL使用了一種類似于鏈表處理的語法來對智能體的通信消息進行描述，用XML對ACL消息內容進行編碼可以使其語法更規范。XML編碼了包含了解析信息，方便了接收方對消息的解析；并且用XML描述的FIPA ACL消息中的參數值可以不是字符串而是鏈接，這種處理方式不僅可以避免嵌套，使格式統一；還可以更好地描述智能體的交互能力、協議和語義，從而增強了系統的靈活性和可擴充性。因此，采用XML對封裝FIPA ACL消息是可行且合理的，其步驟如下：
(1)針對每個ACL消息設計標準的DTD文件；
(2)生成與各通信消息對應的XML文件，并與對應的DTD進行合法性對比檢測；
(3)將消息中的各種參數表示為樹狀結構中的節點，可按結構等級進行劃分，將類型參數作為根節點，而其他參數表示為子節點，依次逐層劃分。對于嵌套動作，可對其生成一個獨立的XML文件，只在消息的XML文件屬性中，保留指向描述該動作的XML文件的一個連接。
4.3 基于XML的通信流程
通過上述分析，得到了用XML封裝FIPA ACL消息的方法，利用XML既可以封裝FIPA ACL原語消息，也可描述其通信的內容。下面給出針對兩種不同的通信模式智能體的通信流程：
(1)“點對點”結構的通信流程
其流程如圖。當A智能體與向B智能體進行通信時，首先它生成標準的ACL消息，并嵌入FIPAACL內容層；然后使用XML進行封裝，生成相應的XML文檔；最后向B智能體傳送XML文檔。B智能體在接收到該文檔時，使用XML解析器從中分離出FIPA ACL消息，并與數據庫交互，進行推理或計算，得出結果，并生成標準的應答消息，進行XML封裝，將XML文檔回傳給A智能體，完成交互過程。
(2)“黑板結構”的通信流程
與點對點結構通信相似，同樣由智能體對各自生成標準的ACL消息，再利用XML進行標準化封裝。其不同點主要表現在，點對點結構是通過兩個智能體間直接的XML文件傳輸實現消息的傳遞，而間接模式是通過在通信結構中設置的黑板區域來存放輸入數據、中間結果、不同問題求解過程中的各種狀態及所需其它數據，記錄了各智能體所需要的信息和各群體決策成員產生的決策結論、意見反饋等，通過共享的模式進行消息交互。
5 結束語
本文分析了數控系統的開放式發展方向，針對開放式系統模塊化設計的需求，指出數控系統各功能模塊之間的特點：既相互獨立，又相互關聯，需要頻繁地進行信息交互，彼此之間需要密切的相互協作。然后，指出多智能體技術的特點與開放式系統的要求十分吻合，設計了基于多智能體技術的開放式數控系統的系統架構方法，分別抽象出系統中8種不同的智能體結構。并以系統中的兩個典型智能體為例，闡述了其具體實現方法。最后，對系統中各智能體間的通信機制進行了設計。目前針對開放式數控系統的研究在國內外還處于起步階段，許多問題尚未有定論，本文提出一種基于多智能體技術構建開放式數控系統的策略和方法，僅是對開放式數控系統的研究作了初步的探索。許多問題還有待于深化。
(審核編輯: 智匯胡妮)
分享
