周凱，周洋洋，趙昶宇

（1.中國人民解放軍92678 部隊，天津 300202；2.海軍駐天津八三五七所軍事代表室，天津 300308；3.天津津航計算技術研究所，天津 300308）

UPS 的出現(xiàn)在很大程度上解決了企業(yè)和個體家庭中用電設備的供電質(zhì)量問題，在現(xiàn)階段已成為分布式計算機系統(tǒng)中不可或缺的配套設備。UPS 電源系統(tǒng)的智能化、網(wǎng)絡化、高頻化、數(shù)字化和模塊化的不斷發(fā)展，導致UPS 電源系統(tǒng)的組成和功能性能也日益復雜，一旦UPS 電源系統(tǒng)出現(xiàn)故障，其故障表現(xiàn)形式和故障產(chǎn)生的原因也會各式各樣。因此，尋找一種合適的方法實現(xiàn)對UPS 電源系統(tǒng)的智能故障診斷已變得日益迫切。

Agent 技術的最大特點是通過與環(huán)境和其他Agent之間的相互協(xié)作將復雜問題或者大系統(tǒng)進行分解和分配，并自主地將復雜問題或大系統(tǒng)劃分為多個相對簡單且面向特定問題的子系統(tǒng)，便于問題的求解。將多Agent 技術與故障診斷相結(jié)合，并應用于UPS 電源系統(tǒng)中，可以充分發(fā)揮多Agent 技術在故障定位和診斷方面的優(yōu)勢，解決了當前UPS 電源系統(tǒng)故障診斷不深入、不徹底的問題，實現(xiàn)了對UPS 電源系統(tǒng)全面準確的故障診斷。

由于D-S 證據(jù)理論特別擅長對不確定信息的處理，該技術已被廣泛應用于故障診斷和決策分析等領域。將BP 神經(jīng)網(wǎng)絡技術與D-S 證據(jù)理論相結(jié)合，保證了D-S 證據(jù)理論對不同故障征兆的基本概率分配的確定性，并充分發(fā)揮BP 神經(jīng)網(wǎng)絡的自學習能力、非線性表達能力和分類能力，提高對UPS 電源系統(tǒng)故障診斷的準確率。同時，采用粗糙集理論對采集到的故障樣本數(shù)據(jù)進行屬性約簡和值約簡，盡可能減小BP 神經(jīng)網(wǎng)絡的輸入規(guī)模，提高BP 神經(jīng)網(wǎng)絡的收斂能力，并縮短算法的計算時間。

本文采用多Agent 技術實現(xiàn)對UPS 電源系統(tǒng)的智能故障診斷。其中，案例推理Agent 完成UPS 電源系統(tǒng)的故障檢測，粗糙集Agent 和BP 神經(jīng)網(wǎng)絡Agent對UPS 電源系統(tǒng)進行了故障識別，D-S 證據(jù)理論Agent實現(xiàn)了UPS 電源系統(tǒng)的故障決策。上述基于多Agent技術的UPS 電源故障診斷系統(tǒng)具有診斷精度高、速度快的特點，能滿足用戶的診斷需求，具有較好的診斷效果和實際應用價值。

1 基于多Agent 技術UPS 電源系統(tǒng)故障診斷體系結(jié)構

UPS 電源系統(tǒng)故障診斷的內(nèi)容包括案例推理Agent、粗糙集Agent、BP 神經(jīng)網(wǎng)絡Agent 以及D-S 證據(jù)理論Agent 等，基于多Agent 的UPS 電源系統(tǒng)故障診斷體系結(jié)構如圖1 所示。

圖1 UPS 電源系統(tǒng)故障診斷體系結(jié)構圖

UPS 電源系統(tǒng)故障診斷系統(tǒng)分為故障檢測、故障識別和故障決策3 個環(huán)節(jié)。UPS 電源系統(tǒng)故障診斷系統(tǒng)的工作原理是：接收傳感器發(fā)送的數(shù)據(jù)信息，通過案例推理Agent 來檢測系統(tǒng)當前是否存在故障，并將檢測結(jié)果通知管理Agent。若案例推理Agent 檢測到系統(tǒng)存在故障后，管理Agent 告知粗糙集Agent 和BP 神經(jīng)網(wǎng)絡Agent 對故障數(shù)據(jù)進行識別處理，并完成粗糙集Agent 和BP 神經(jīng)網(wǎng)絡Agent 之間的相互通信和協(xié)作。管理Agent 將故障識別的結(jié)果傳遞給D-S 證據(jù)理論Agent，經(jīng)D-S 證據(jù)理論對故障數(shù)據(jù)進行推理決策后，將最終的決策/診斷結(jié)果告知管理Agent。管理Agent 通過數(shù)據(jù)總線將診斷結(jié)果發(fā)送給UPS 電源控制系統(tǒng)計算機，完成UPS 電源系統(tǒng)的故障診斷過程。

2 案例推理Agent 設計

UPS 電源系統(tǒng)通常由整流器、旁路系統(tǒng)、逆變器、計算機主控系統(tǒng)和電源系統(tǒng)等組成。由于UPS 電源系統(tǒng)組成較為復雜，任一電子元器件的損壞均有可能導致UPS 電源系統(tǒng)無法正常工作。因此，需要相關領域?qū)＜覍PS 電源系統(tǒng)創(chuàng)建故障案例庫，故障案例庫包括故障描述信息、故障案例征兆集、故障結(jié)論信息和案例輔助信息。其中，故障描述信息通常包含故障發(fā)生時間、故障現(xiàn)象、故障模式等，故障案例征兆集包括故障特征向量和故障特征權重向量，故障結(jié)論信息包括故障解決措施、故障手冊以及結(jié)果評價等，案例輔助信息包括故障所屬系統(tǒng)、故障所屬部件、案例標識和編號、成功匹配次數(shù)和學習質(zhì)量等。

UPS 電源故障診斷系統(tǒng)通常對電壓值和電流值的頻率、相位以及幅值等信號量進行采集和監(jiān)測，包括逆變器輸出端電壓值、輸出平衡的監(jiān)測、市電監(jiān)測、旁路市電監(jiān)測、逆變器電流監(jiān)測、負載監(jiān)測以及電池電壓監(jiān)測等。為了實現(xiàn)對UPS 電源系統(tǒng)的故障檢測，需要將上述采集到的信號量/故障征兆進行初步的故障決策，判斷當前系統(tǒng)是否發(fā)生故障?；诎咐评砑夹g的故障決策表由條件屬性和決策屬性構成，條件屬性包含每個故障案例中所有的故障征兆及其故障征兆取值，由這些故障征兆可能產(chǎn)生的故障模式則為該故障案例對應的決策屬性。通過建立條件屬性-決策屬性對應關系表，可以實現(xiàn)UPS 電源系統(tǒng)的故障檢測功能。

3 粗糙集Agent 設計和BP 神經(jīng)網(wǎng)絡Agent設計

3.1 粗糙集Agent 設計

利用粗糙集在知識分類和知識約簡方面的優(yōu)勢，將其應用在UPS 電源故障診斷系統(tǒng)的故障識別上。通過案例推理Agent 技術檢測并獲取到UPS 電源系統(tǒng)的若干故障特征向量，利用粗糙集理論對這些故障特征向量進行屬性約簡和值約簡，并完成對故障特征向量的分類，實現(xiàn)對UPS 電源系統(tǒng)故障的初步識別[1]。

UPS 電源系統(tǒng)中利用粗糙集進行故障特征向量的屬性約簡和值約簡的步驟如下：①基于粗糙集計算每個UPS 電源系統(tǒng)故障樣本的屬性重要度和依賴度，去除冗余屬性；②計算粗糙集區(qū)分矩陣和核屬性，利用區(qū)分矩陣導出區(qū)分函數(shù)，根據(jù)區(qū)分函數(shù)獲取并建立析取范式的每個合取項，得到故障樣本的屬性約簡集合；③基于啟發(fā)式值約簡算法，將故障樣本約簡后的屬性集合和UPS 電源系統(tǒng)決策屬性構建成決策表，利用啟發(fā)式信息對該決策表進行“去冗余信息”操作，并將約簡后的新表作為初始決策表。篩選并刪除決策表記錄中的冗余屬性值，對所有記錄的屬性值不斷進行約簡得到近似最小的決策規(guī)則集，完成對UPS 電源系統(tǒng)故障樣本所有特征向量的終極約簡。

3.2 BP 神經(jīng)網(wǎng)絡Agent 設計

BP 神經(jīng)網(wǎng)絡具有很強的非線性映射能力、自學習和自適應能力、泛化能力以及容錯能力，利用BP 神經(jīng)網(wǎng)絡對UPS 電源系統(tǒng)的故障樣本進行深度數(shù)據(jù)挖掘和學習訓練，建立故障特征和故障之間的映射，實現(xiàn)對UPS 電源系統(tǒng)的故障再識別[2]。由于BP 神經(jīng)網(wǎng)絡的訓練精度和算法執(zhí)行時間與訓練樣本集的大小密切相關，經(jīng)過粗糙集屬性約簡和值約簡后將最小的故障樣本集作為BP 神經(jīng)網(wǎng)絡的輸入，優(yōu)化了BP 神經(jīng)網(wǎng)絡的結(jié)果，極大地提高了訓練精度和算法的執(zhí)行效率。

UPS 電源系統(tǒng)中利用BP 神經(jīng)網(wǎng)絡進行樣本故障特征訓練的步驟如下：①初始化BP 神經(jīng)網(wǎng)絡的輸入層、隱含層和輸出層；②將粗糙集屬性約簡和值約簡后以最小的故障樣本來訓練該神經(jīng)網(wǎng)絡，對樣本數(shù)據(jù)進行歸一化處理，使其滿足誤差精度要求；③通過訓練獲取BP 神經(jīng)網(wǎng)絡的各種參數(shù)，并計算得到每種故障特征到故障模式的基本概率分配。

4 故障決策Agent 設計

UPS 電源系統(tǒng)常見的故障問題描述如表1 所示。

表1 UPS 故障問題描述說明

在UPS 電源系統(tǒng)的故障診斷中，利用D-S 證據(jù)理論對多個故障征兆進行信息融合，實現(xiàn)對UPS 電源系統(tǒng)故障診斷結(jié)果的決策。但是D-S 證據(jù)理論對不同故障征兆的基本概率分配僅憑專家的經(jīng)驗獲得，而BP 神經(jīng)網(wǎng)絡可以直接獲取不同故障征兆的基本概率分配，將BP 神經(jīng)網(wǎng)絡和D-S 證據(jù)理論相結(jié)合，可以實現(xiàn)對UPS電源系統(tǒng)更加客觀準確的故障診斷。

UPS 電源系統(tǒng)中利用D-S 證據(jù)理論進行故障決策的步驟如下：①計算每條證據(jù)的信度函數(shù)和似然函數(shù)，通過D-S 合成規(guī)則進行融合；②根據(jù)UPS 電源系統(tǒng)故障診斷特點，制定診斷決策規(guī)則；③根據(jù)診斷決策規(guī)則對數(shù)據(jù)融合后的信度區(qū)間進行決策分析，獲得診斷結(jié)果。

UPS 電源系統(tǒng)故障決策的處理流程如圖2 所示。

圖2 故障決策Agent 示意圖

5 結(jié)論

本文針對UPS 電源系統(tǒng)故障診斷的特點，建立了案例推理、粗糙集、BP 神經(jīng)網(wǎng)絡以及D-S 證據(jù)理論的多Agent 智能綜合診斷系統(tǒng)。該故障診斷系統(tǒng)充分發(fā)揮各個Agent 技術領域的優(yōu)點，有效彌補了傳統(tǒng)故障診斷技術的不足，不僅提高了UPS 電源系統(tǒng)故障診斷的效率，而且能夠獲得更加客觀、準確的診斷結(jié)果，實現(xiàn)了UPS 電源系統(tǒng)的智能故障診斷。