买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏悦达智能农业装备有限公司;江苏大学

摘要：本发明公开了一种基于多智能体的拖拉机电气系统故障诊断方法，具体步骤如下：步骤1：当拖拉机启动运行时，状态监测智能体进行在线实时监控；步骤2：当状态监测智能体发出预警或报警的信号时，通过故障诊断用户界面向故障诊断智能体发出诊断请求；步骤3：用户观察到的故障现象提交至状态监测智能体中，通过传感器对数据进行采集，将采集故障状态时的电流I和电压U一起发送至故障诊断智能体系统中；步骤4：根据收集的电气故障数据，系统管理智能体快速地定位至相应的电气系统子系统，接着对故障诊断任务管理与协调；步骤5：对子系统的定位，准确地实施故障诊断，并通过状态监测智能体得到诊断的原始数据，完成拖拉机电气系统的故障诊断。

主权项：1.一种基于多智能体的拖拉机电气系统故障诊断方法，多智能体含有协调智能体、状态监测智能体、系统管理智能体、故障诊断智能体和故障输出智能体；当拖拉机电气系统发生故障时，系统管理智能体最初收到状态监测智能体的诊断请求后，迅速定位相应的子系统，同时对故障诊断进行任务的管理、分配和协调，状态检测智能体负责从各个监控节点获取必需的信息，将这些信息发送给故障诊断智能体，给具体的故障诊断提供原始证据，还收集拖拉机机身上电压和电流传感器的信息并处理，形成报警信号，故障诊断智能体以BDI模型为基础，采用模糊神经网络完成电气系统的故障诊断，在诊断时，用户通过拖拉机驾驶室内的故障诊断用户界面，向故障诊断智能体发出诊断请求，同时将观察到的故障现象以及利用传感器测得的电流I和电压U等参数提交到状态监测智能体，形成多智能体启动初始证据，故障输出智能体用于存放信息的全局数据库，记录各智能体所需要的信息和各智能体产生的决策结论，并提供给其他智能体共享，同时记录诊断结果，当故障诊断智能体需要数据时，从状态监测智能体读取数据，当诊断结束后，将诊断结果发送至故障输出智能体，引入协调智能体，使得多智能体系统在遇到通讯中断、重连以及通讯时延状况时，系统仍然能够保持同步，以提高整个控制系统的灵活性、适应性和鲁棒性，具体步骤如下：步骤1：当拖拉机启动运行时，状态监测智能体对拖拉机电气系统进行在线实时监控；步骤2：当状态监测智能体发出预警或报警的信号时，用户通过拖拉机驾驶舱内的故障诊断用户界面向故障诊断智能体发出诊断请求；步骤3：用户观察到的故障现象提交至状态监测智能体中，同时，状态监测智能体通过传感器对数据进行采集，将采集故障状态时的电流I和电压U一起发送至故障诊断智能体系统中，形成故障诊断的原始证据；步骤4：根据状态监测智能体中所收集的电气故障数据，系统管理智能体快速地定位至相应的电气系统子系统，接着，系统管理智能体对电气系统子系统进行故障诊断任务管理与协调，与故障诊断智能体完成信息的对接；步骤5：故障诊断智能体通过系统管理智能体对子系统的定位，准确地实施故障诊断，并通过状态监测智能体得到诊断的原始数据，完成拖拉机电气系统的故障诊断，具体的电气系统诊断过程如下：步骤5.1：故障诊断智能体从状态监测智能体中得到故障征兆电流集I和电压集U，构造故障征兆集I和U：I＝{i1,i2,...,im}U＝{u1,u2,...,um}其中，iss＝1,2,…,m和uss＝1,2,…,m表示故障发生的电流和电压征兆；步骤5.2：求出故障征兆电流集I和电压集U的模糊向量： 其中，和分别是故障发生的电流和电压征兆is和us的隶属度；步骤5.3：将故障征兆电流集I和电压集U的模糊向量存放于信念库中；步骤5.4：从故障输出智能体中得到造成故障原因集Y，如保险丝熔断、起动开关断路、线路短路和短路，构造故障原因集Y：Y＝{y1,y2,...,yn}其中，ytt＝1,2,…,n表示造成拖拉机电气系统故障的原因；步骤5.5：确定故障原因集Y的模糊向量： 其中，是故障原因yt的隶属度；步骤5.6：将故障原因集Y的模糊向量存放于愿望库中，步骤5.7：建立故障征兆向量与故障原因向量之间的模糊矩阵，该矩阵是模糊神经网络的连接权值矩阵： 该矩阵中的各个连接权值也表示了故障现象到故障原因的一个模糊关系，即cst表述故障征兆的第s种特征对应第t种故障原因的映射值；步骤5.8：在愿望推理器中引入模糊神经网络，把规则和推理转换成神经网络的映射处理；将信念库中故障征兆电流集I和电压集U的模糊向量作为模糊神经网络的输入层；根据经验公式p2＝2p+1，其中p2为隐含层神经元个数p为输入的神经元个数，故选择5个，隐含层神经元过多或过少都不利于故障诊断精度的提高，将故障原因集的模糊向量作为模糊神经网络的输出层；步骤5.9：建立故障诊断模型： 其中，为特性函数符号，在拖拉机电气故障诊断模型中取： 步骤5.10：在拖拉机电气系统模糊神经网络的故障诊断中，该模糊矩阵是神经网络通过对故障诊断样本的学习而获得的，假设有X组学习样本，每组学习样本包含了故障征兆模糊向量和和故障原因集的模糊向量对上述的cst赋初值：令cst＝1，对X＝1；步骤5.11：给定输入和输出输入各组故障征兆和故障原因模糊向量对，分别作为模糊神经网络的输入和输出模式，输入模式为输出模式为步骤5.12：计算理论上的实际输出， 其中，表征训练时第X个学习样本对第t个分量的实际输出；和表征输入模式的第s个分量，cst为I和U中第s个节点到Y中第t个节点的连接权值；步骤5.13：调权，令则 其中，η为比例因子，满足0η≤1；步骤5.14：验证是否对所有s,t都存在cstz+1＝cstz，如果存在，则进行步骤20，否则返回步骤17；步骤5.15：令X＝X+1，从步骤16重复进行，直到所有组学习样本结束，通过在实际运用中的不断学习，可以得到模糊故障诊断中修正后的模糊矩阵cst，从而提高系统诊断的准确性和可靠性；步骤5.16：愿望推理器根据愿望库中知识，不断训练模糊神经网络，从而提高整个系统诊断结果的精度，经过反复地训练学习，不断更新愿望库中的知识；步骤5.17：最终，愿望推理器将故障诊断结果发送至意图库中，并存储；步骤5.18：故障诊断智能体将诊断结果发送至故障输出智能体；步骤6：基于SAEJ1939协议，故障输出智能体将电气系统故障诊断结果发送至用户界面，至此，拖拉机电气系统故障诊断结束。

全文数据：

权利要求：

百度查询： 江苏悦达智能农业装备有限公司 江苏大学 一种基于多智能体的拖拉机电气系统故障诊断方法