关键词：智能控制 多Agent 系统 集成生产系统 选煤厂
Abstract：This paper discusses the progress of computer integrated processing （CIPS） of coal-preparation, and then presents an intelligent control over production-process, device-maintenance and production-management system of coal-preparation based on multi-agents（IICMMS-CP）. As to constructing the IICMMS-CP, the distributed network controlling system based on the lively intelligent controlling stations and the strategy of implementing distributed intelligent controlling system are studied in order to overcome the disadvantages brought by the Coal-preparation plant’s wide use of PLC system. The software frame based on Multi-Agents Intelligent Control and Maintenance Management integrate system is studied and the implementing methods of IICMMS-CP are discussed as well.
Key words: Intelligent Control, Multi-Agents System, computer integrate processing system, Coal-preparation Plant
1 引言
煤炭经冼选加工后可显著降低灰分和硫分含量，减少烟尘、SO2等污染物的排放。目前发达国家原煤洗选率为50%～90%，我国入冼比例仅为20%～30%。而且平均厂型小、设备可靠性差、自动化程度低等因素导致选煤成本偏高，成为制约我国选煤发展的主要原因[1]。
自上世纪90年代以来,我国利用先进技术在选煤厂计算机集中控制、跳汰和浮选等洗选工艺过程智能控制、选煤厂综合生产、选煤厂CIMS方面进行了系统研究和应用，建立了一批示范和应用项目，使我国选煤厂生产过程控制和生产管理提高到一个新的水平。
然而在目前的系统中，选煤厂过程智能控制、设备维护、生产管理的三个子系统，软硬件是独立设计、独立实施，各自分离，使硬件资源和运行控制缺乏优化。选煤厂计算机控制系统仍是高度集中的结构形式。通常情况是集中控制采用PLC网络系统，浮选、跳汰、重介等工艺过程控制采用各自独立的微机系统。软硬件的独立造成数据孤岛，虽可利用数据库互联技术（ODBC,JDBC）实现数据互访,但这种孤立的数据仍不能实现过程间的优化。而实现这三个子系统的集成是提高选煤厂综合生产效益的关键，也是进一步发展选煤厂CIMS的基础[2]。
MAS对复杂系统具有无与伦比的优越性。选煤厂生产是一个复杂的工业过程，系统具有多个输入和多个输出变量，大部分参数具有非线性、不确定性和空间分布性，对这样的生产过程建立智能控制、维护和管理集成系统一直是技术难点。而Agent所具有的自主性、分布性和自适应性使这一问题的解决有了新的途径。本文运用多Agent 技术，在FMS 的基础上实现选煤厂分布式智能控制与维护管理系统IICMMS-CP（intelligent integrated control, maintenance and management system of coal preparation plant）。具体研究了选煤厂分布式测控网络，分布式智能控制、维护和管理系统总体结构及实现方法，以实现选煤厂过程控制功能的分散化，实现过程智能控制、设备维护管理与生产管理的智能化、网络化和集成化。
2、IICMMS-CP体系结构
IICMMS-CP系统功能上分为过程控制（IPC）、设备维护（BAM）和生产管理（PM）三部分，其中过程控制是指针对选煤过程多变量、多目标和非线性的特点，利用智能控制理论，实现重介、跳汰、浮选等选煤生产过程控制。生产管理Agent实现选煤生产任务规划，目标优化，过程调度，统计分析等。设备维护实现设备状态检测，工艺参数检测，设备故障智能判断，设备维修管理等。
多Agent系统中每个Agent完成不同的功能，有自己的作用范围，各Agent之间的协调、合作等交互方法及实现是一个复杂的问题。根据选煤厂生产过程特点，在基于多Agent的选煤厂智能控制和维护管理系统中，不仅要处理与控制、维护和管理有关的各智能体的行为，更重要的是在分布式环境下协调他们之间的相互作用。1997年，Bonasso R. P等人在自治机器人的研制中提出了3层多Agent 体系结构，1998年 Schreckenghost D等人将其应用于空间站生命支持系统智能控制，证明适用于分布式过程控制系统和决策系统。[3-5]
基于多Agent的 IICMMS-CP系统采用如图1 所示的三层递阶式组织结构。底层是闭环控制和数据接口层Agent（DACM Agent）。对过程控制（IPC）、设备维护（BAM）和生产管理（PM）来说，最基本的任务是闭环控制、数据采集，因此底层Agent实现生产过程参数的基本控制，设备状态和工艺参数的数据采集。第二层是任务层Agent（TA Agent）。本层根据上层设定的任务和规定的模型，调度底层Agent实现预定的目标。顶层是规划与协调层Agent（MD Agent）。针对总体目标，顶层将任务分解成子任务，并在调度下层任务执行过程中，根据系统全局状态、执行效果和人为设定值及时修改目标值和系统模型。例如，对选煤厂重介生产过程悬浮液密度和液位控制来说，根据生产管理计划和设备状态，由MD 层Agent设定控制目标，指定悬浮液循环系统控制模型，确定并调度TA层Agent执行密度和液位控制任务。TA层Agent根据制定的模型，将这一控制过程分解为密度、液位模糊控制，液位、密度数据采集，分流阀门开度控制等任务，并调度底层Agent执行。
IICMMS-CP用户接口（UI Agent）为人工参与提供信息交互界面。通过用户接口。操作员可以设定控制参数，修改控制模型、故障诊断模型、生产规划模型和设备管理规划，直接控制设备等。
图1、IICMMS-CP Agent 系统组织结构
在上述分层递阶组织结构中，每层智能体只需向上层智能体负责，为树状分支的逻辑结构。但在分布式体系中，各智能体利用统一的通信协议和消息响应机制，在现场总线控制网络环境下实现信息交互、协调和磋商。
3、IICMMS-CP分布式控制网络环境
分布式智能控制与维护管理系统需要构建一个实时、分布式计算环境。在基于多Agent 的IICMMS-CP 中，各智能体具有高度的自主性和自治性，而分布式环境为各智能体之间的相互协调合作提供了一种交互机制。基于现场总线的控制系统（FCS）提供了这样的实时、全分布式控制计算环境。 现场总线通讯协议和现场总线技术标准为各智能体之间提供了合作和互操作的交互机制。智能体由网络设备完成，各网络设备交互与协作实现系统的总体目标。
为构造分布式控制网络环境，在“煤矿和选煤厂计算机集成生产平台与综合自动化系统”项目中，根据选煤厂生产环境要求和目前设备技术现状，利用标准现场总线和分布式结构，研究开发了选煤厂分布式计算机控制网络平台。该平台由现场总线网络接口、智能I/O分站、网关、智能分站（IS）、控制分站（CS）和IICMMS-CP总站（CPS）等组成，如图2所示。
图2 选煤厂现场总线控制网络
IS- 智能分站 CS-控制站 NG-网关 CPS-IICMMS总站
该平台按实时性要求将网络分为CAN 和工业以太网两个网段。工业以太网通过网关强制隔离频繁、大量数据传输节点，降低了以太数据传输时间的不确定性。在系统中，Agent被映射到各智能分站、控制分站和IICMMS-CP总站。消息传递通过Can-bus 现场总线和工业以太网完成。通常逻辑控制Agent 由PLC完成，数据采集Agent由智能I/O完成，其他任务Agent由IS完成，协调和调度Agent 由控制分站完成。IICMMS-CP总站执行IICMMS-CP协调Agent。一个站可运行多个和多种类型的Agent。
4、基于Agent的IICMMS-CP 系统实现
某大型选煤厂，年入选原煤500万吨，采取筛分，重介及跳汰水洗工艺，煤泥水加药浓缩、压滤。在IICMMS-CP系统中，设备监控与维护主要设备状态检测。实现主要设备故障检测与报警，设备主备轮换、工作时间累计、维修提示与管理等。生产包括优化产品结构和生产指标，制订合理的产品结构，生产过程参数检测。对日常生产指标进行分析，提供质量超标预警。对照国标、行业标准，进行管理和经营指标分析，给出分析结果和建议。过程智能控制实现重介工艺过程、跳汰工艺过程智能控制。
4.1 三层Agent结构实现模式
图3 三层控制结构
对于IICMMS-CP智能控制、设备维护与故障诊断、生产管理决策等问题，根据上述三层结构，其实现分为如下三个部分[6,7]，如图3所示。
规划与决策（PD）：在完成控制任务时，通过分级任务规划网络，将一个总体目标分解成若干子目标，将每个子目标分解成若干个任务，分配完成这些任务需要的资源，指导和监视这些任务的执行过程。在故障模式判别中，根据模糊知识和推理规则，判断故障类型，并提出维护或在线调整任务。
任务执行序列（TS）：将来自规划或操作员的任务分解成子任务，并构成具体的实现任务的序列。
执行管理（S M）：将闭环控制模块和数据采集模块动态地构成一执行网络，完成上一层指定的任务。
以上实现方式具有很强的鲁棒性，其每一步都能及时发现错误并相应地进行修正。SM根据仪表数据判断控制命令是否被成功执行，并根据结果做出反应。TS 能够根据系统实时状态选择不同的策略。例如同样是降低跳汰工艺产品灰分，可根据当前煤的粒度、可选性，选取调整床层厚度、调整给煤量、改变风水制度等，并根据控制效果调整控制策略。当一个目标失败后，PD可以重新划分子目标和规划新任务。
在IICMMS-CP中， 利用重介、跳汰、浓缩三个TS Agent分别实现重介工艺液位、密度模糊控制，给煤机转速控制，跳汰一段二段床层厚度模糊控制，风阀、水阀控制等控制任务。
4.2 Agent 间的通讯
对于多Agent 系统，Agent之间的通信是协作的基础。我们利用预定义的消息系统实现各类Agent 之间的通信，并通过CAN 和TCP/IP协议传递。
我们定义了如下消息。
SM 更新消息：当SM 类Agent 检测到被监控系统状态变化时，向系统广播这一信息。故障和生产过程判别Agent依此推理和判别系统设备和工艺的状态。
故障消息：故障和生产过程判别Agent向系统发出的故障信息，内容包含故障设备或工艺的信息，故障类型，处理建议等。
系统任务设置消息：通知系统要达到的目标、或需完成的任务，目前这类消息由人工发出。实现参数设定、运行特定的程序、故障恢复等。
故障恢复消息：对特定的故障，可以在线纠正，或对某一特定故障，进行进一步的核准，由故障判别Agent发出该消息，由Ta 和SM 执行特定的程序。
以上是四类广播信息。此外，在运行过程中，各层Agent 之间会有询问和应答信息，我们定义了HA-PM 、HA-TS、 HA-SM、PM-TS、PM-SM、TS-SM 6类询问应答信息。由于各层处理问题方式、数据表述形式不同，我们定义了信息的结构和格式。例如，执行Agent直接与仪表和执行机构对应，处理的是数字量或开关量信息，而PA层利用模糊数和模糊推理实现故障判别，则执行Agent 在回答PA的询问时，需要将数据字量转变为模糊值。比如将具体的液位值，转变为“极低”、“低”、“中”、“高”、“极高”。为实现这种信息转变，设计了信息接口Agent。
5、结论
选煤厂多Agent智能控制与维护管理集成系统是在分布式控制网络、生产过程智能控制和生产信息管理等研究和应用的基础上提出的，其分布式层次结构、协同和并行计算的特点，适应生产过程空间分布大、过程联系紧密、系统复杂的选煤厂实现集成控制的需要。其应用进一步提高了过程控制的可靠性和精度，提高了故障判别的准确性，提高了生产调度的智能性，为选煤厂系统集成和柔性化生产奠定了技术基础。系统主要功能已经通过了现场调试，应用表明系统在稳定产品质量、提高生产效率、降低消耗方面具有良好的效果。
本文作者创新点：根据选煤厂生产特点，提出了基于Agent 技术的选煤厂生产过程智能控制、设备维护和生产调度管理集成模式，研究了系统结构与实现技术，完成了基于Agent的部分选煤工艺过程控制与优化功能，证明其方法的可行性与先进行。
参考文献
[1]王普舟.选煤厂自动化发展趋势与建议[J].选煤技术，2000（6）：45-47
[2]史有群,谭超,巩敦卫.选煤厂CIMS的系统集成[J].中国矿业大学学报,1999,28（5）: 479-481
[3]王金云. 处理信息安全突发事件的多Agent分布式协同管理机制[J].微计算机信息, 2005,26（36）:32-36
[4] Ouelhadj D. A Multi-Agent System For the Integrated dynamic scheduling of steel production [EB/OL]. http:// www.asap. cs. nott.ac.uk / publications/pdf/Ouelhadjthesis.pdf, 2003
[5]Han W, Jafari M A.component and Agent Based FMS Modeling and controller synthesis[J].IEEE Trans. syst., Man, and cybernetics-part C: applications and reviews, 2003,33（2）:193-206
[6]Ahmad M R , Shamsudin H M, Amin R M. proc. of Seventh international Conference on Control, Automation, Robotics And Vision （ICARCV‘OZ） [C], IEEE Computer Society Press, 2002: 220-227
[7]Brennan R W , Fletcher M , Norrie D H . An Agent-Based Approach to Reconfiguration of real-time Distributed control system[J]. IEEE Trans. On Robotics and Automation, 2002, 18（4） :444-451
