基于多智能體技術的復雜零件數(shù)控編程系統(tǒng)研究

劉 麗，宮霞霞

(成都大學工業(yè)制造學院，四川成都 610106)

0 引言

在離散制造業(yè)中，數(shù)控編程一直是目前我國數(shù)控機床應用的瓶頸之一.對于采用數(shù)控加工的復雜零件來說，編制出正確的數(shù)控程序是保證數(shù)控加工質(zhì)量的基礎.面對復雜零件數(shù)控編程的知識復雜性、形式多樣性、動態(tài)實時性等特點，傳統(tǒng)的數(shù)控編程決策已無法滿足現(xiàn)代制造業(yè)發(fā)展的需要.隨著計算機技術的飛速發(fā)展，多智能體系統(tǒng)(multi-agent system，MAS)已成為計算機自動化領域的關鍵性技術之一，并在相關領域得到廣泛的應用［1－3］.基于此，本文建立了一種基于多智能體技術的復雜零件數(shù)控編程系統(tǒng)模型.該系統(tǒng)模型通過黑板模型集成了包含在工作流管理過程中的編程語言、加工策略、圖形計算、仿真模擬、程序編輯和線程通信6個智能體，同時，提出了“CBR+RBR"混合推理模型的Agent結(jié)構(gòu)及其實現(xiàn)方法，并通過黑板機制完成了不同Agent系統(tǒng)之間的通訊和協(xié)作.

1 多智能體復雜零件數(shù)控編程系統(tǒng)建立

在人工智能領域中，Agent被定義為具有感知能力、問題求解能力和與外界進行通信能力的實體，是完全自治的或者半自制的［4］，并具有自主性、通信能力、感知能力和響應能力、推理和規(guī)劃能力等特性.多智能體系統(tǒng)(MAS)是一個分布式的智能體系統(tǒng)，代理彼此分工，互相協(xié)作.

根據(jù)復雜零件的數(shù)控編程特點以及多Agent系統(tǒng)的特點，本研究建立了基于多智能體的復雜零件數(shù)控編程系統(tǒng)模型總體框架結(jié)構(gòu)(見圖1)，它采用瀏覽器/服務器/數(shù)據(jù)庫模式(Browser/Server/Database)的3層網(wǎng)絡體系結(jié)構(gòu)，由系統(tǒng)資源層、編程控制層和multi-agent執(zhí)行層組成.

圖1 基于多智能體的復雜零件數(shù)控編程系統(tǒng)模型示意圖

1.1 工作流管理Agent

工作流管理Agent是整個系統(tǒng)的進程管理中心.在多Agent系統(tǒng)中，各Agent是自治的，Agent之間只能通過通訊和改變環(huán)境達到相互影響的目的，Agent自身的行為最終是由其自己決策的.復雜零件的工作流管理Agent通過黑板模型對編程語言A-gent、加工策略Agent、圖形計算Agent、仿真模擬A-gent、程序編輯Agent和線程通信Agent進行集中控制，以實現(xiàn)各個Agent之間進行信息共享和交換.

1.2 編程語言Agent

近年來，國內(nèi)外開發(fā)的 Pro/ENGINEER、UG (Unigraphics)、UGⅡ和Visual C++編程語言等軟件，都是性能較完善的數(shù)控編程一體化軟件，可以面向眾多的數(shù)控機床和大多數(shù)數(shù)控系統(tǒng).為實現(xiàn)面向任務和知識的數(shù)控編程語言Agent，本研究選擇Microsoft的Visual C++編程語言作為人工智能和智能控制用編程語言.

1.3 加工策略Agent

加工策略Agent是根據(jù)編程員輸入的有關參數(shù)與指標，確定各工步及加工參數(shù)，并確定數(shù)控加工策略Agent.根據(jù)編程員輸入的材料、加工精度要求等，以及刀庫數(shù)據(jù)庫的刀具信息，智能地確定出合理的加工參數(shù)，如選擇合適的刀具、適當?shù)倪M給率、切削速度、主軸轉(zhuǎn)速及合理的工步流程，同時，根據(jù)需要調(diào)整刀庫.

1.4 圖形計算Agent

圖形計算Agent，即圖形編輯和坐標計算A-gent，是根據(jù)零件圖的幾何尺寸、確定的工藝路線及設定的坐標系，計算零件粗、精加工運動的軌跡，得到刀位數(shù)據(jù).圖形計算Agent的實現(xiàn)由編程員輸入刀具軌跡，軟件系統(tǒng)自動計算全部節(jié)點坐標，以形成G00、G01、G02、G03、G8X等指令參數(shù).

1.5 仿真模擬Agent

仿真模擬Agent，即仿真模擬NC程序Agent.仿真模擬Agent對給定NC程序執(zhí)行過程的模擬，由編程員給出與其相應NC程序相關的零件外形與尺寸，以單步/自動方式仿真模擬加工過程.在有CRT圖形顯示的數(shù)控機床上，可用模擬刀具與工件切削過程進行檢驗.

1.6 程序編輯Agent

程序編輯Agent是編程員根據(jù)仿真模擬NC程序的結(jié)果對NC程序直接進行必要的調(diào)整、打印輸出等操作.

1.7 線程通信Agent

Windows多線程技術與串行通信是數(shù)控系統(tǒng)的主要通訊程序，串行通信技術已在DNC通信系統(tǒng)中得到了廣泛的應用.各個應用Agent之間通過Internet或Intranet網(wǎng)進行通信與合作，在網(wǎng)絡上傳輸和存取數(shù)據(jù)時的安全問題由線程通信Agent統(tǒng)一負責.

2 復雜零件數(shù)控編程的Agent結(jié)構(gòu)

2.1 “CBR+RBR"混合推理機制

在復雜零件數(shù)控編程系統(tǒng)中設置的每一個A-gent都具有一定的推理能力.因此，在完成一個A-gent推理過程時，必須首先建立推理模型.基于規(guī)則推理(rule based reasoning，RBR)稱為基于規(guī)則的專家系統(tǒng)，是只依靠專家的經(jīng)驗獲得規(guī)則，而基于實例推理(case based reasoning，CBR)是人工智能發(fā)展過程中涌現(xiàn)出來的區(qū)別于 RBR和基于模型推理(MBR)的一種推理模式.在基于實例的系統(tǒng)中，知識的基本單元是實例而不是規(guī)則，可以通過自己的方法來獲取知識而不必從專家那里獲取知識.

將CBR與RBR 2種人工智能技術相結(jié)合可以提高混合推理的效率.本系統(tǒng)在推理機制設計上采用了“CBR+RBR"混合推理模型.

2.2 復雜零件數(shù)控編程的Agent結(jié)構(gòu)

系統(tǒng)在使用“CBR+RBR"進行推理之前，首先要對每一個Agent需要解決的問題進行分析，并建立推理模型，然后根據(jù)專家的知識和經(jīng)驗建立推理所需的規(guī)則庫和知識庫［5］.根據(jù)上述特點，本文建立了復雜零件數(shù)控編程的Agent結(jié)構(gòu)(見圖2).

圖2 復雜零件數(shù)控編程的Agent結(jié)構(gòu)示意圖

在圖2所示的復雜零件數(shù)控編程的Agent結(jié)構(gòu)中，每一個Agent都具有自己的知識庫(知識模板)、規(guī)則庫和推理機，推理機通過“CBR+RBR"混合推理，利用獲得的信息和本身的信息進行推理形成數(shù)控編程知識模板，同時，將推理結(jié)果(NC程序)傳送到全局黑板中與其他智能體進行分配和共享.

2.3 “CBR+RBR"混合推理的知識表示

推理模型的知識表達要在外部問題域與Agent內(nèi)部符號推理系統(tǒng)之間建立起聯(lián)系.合理的知識表示模式應滿足表達充分、便于推理、方便管理和易于理解等要求［6］.“CBR+RBR"混合推理的知識表示方式為:知識庫系統(tǒng)中規(guī)則和實例采用統(tǒng)一的編碼機制，以提高CBR的主動性和高效性;用RBR優(yōu)化CBR的質(zhì)量，以提高實例修改的自動化水平.

2.3.1 RBR推理模型的規(guī)則表示.

在RBR中，知識單元是規(guī)則，描述信息實體之間的關系.規(guī)則表示符合人類常規(guī)的思維，可用不完全的啟發(fā)式知識解決特定問題，特別適合于需要大量經(jīng)驗性知識求解的復雜零件數(shù)控編程.目前，大多采用產(chǎn)生式規(guī)則表示方法，其一般形式為:

IF(條件1);……;IF(條件n);

THEN(結(jié)論，CF)(n＞1)

其中，CF表示規(guī)則的可信度，指出規(guī)則為真的可信程度.

2.3.2 CBR推理模型的實例表示.

在CBR中，知識的單元是實例，是數(shù)控編程過程模型的具體體現(xiàn).這里，復雜零件數(shù)控編程實例［7］的描述為，

其中，ID為實例的唯一標識碼，Index為實例檢索，Content為復雜零件數(shù)控編程實例的內(nèi)容，其由復雜零件的名稱、所屬類別、主參數(shù)規(guī)格等組成，形成數(shù)控編程知識模板，PCS為零件控制結(jié)構(gòu)，表示裝配信息和附件類型.

3 應用

在實際應用中，我們采用Java方案和IBM公司的Aglets技術相結(jié)合的方法，利用Java多媒體框架JMF開發(fā)出集音頻、視頻為一體的，包含黑板、在線討論等協(xié)同功能的工具，同時，根據(jù)數(shù)控車編程與操作工藝通過成都數(shù)控機床產(chǎn)業(yè)集群論壇使用黑板的派遣—回收機制查詢到相對應的階梯軸NC程序模板，完成了階梯軸的計算機模擬仿真和優(yōu)化NC程序(見圖3).

圖3 階梯軸數(shù)控編程NC程序

4 結(jié)論

本文設計了一種基于多智能體的復雜零件數(shù)控編程系統(tǒng)，通過因特網(wǎng)可將這些不同智能體聯(lián)系在一起，實現(xiàn)多機分布計算，提高了編程效率，而且便于數(shù)控編程管理者參與管理和決策.將多智能體技術應用到復雜零件數(shù)控編程中是一項很有意義的工作，隨著多智能體技術的日趨成熟，其必將對數(shù)控編程的分布式協(xié)同模式起著較好的促進作用.實際應用表明，采用多智能體技術對復雜零件數(shù)控編程進行管理不僅能夠提高編程的自動化程度，而且能夠有效反映數(shù)控編程員的管理思想，為數(shù)控編程系統(tǒng)管理提供決策支持.

［1］Adler J L，Blue V J.A Cooperative Multi-agent Transportation Management and Route Guidance System［J］.Transportation Research(Part C)，2002，10(5－6):433－454.

［2］Kosonen I.Multi-Agent Fuzzy Signal Control Based on Realtime Simulation［J］.Transportation Research(Part C)，2003，11(5):389－403.

［3］王俊松，崔世剛.Muti-Agent技術及應用［J］.計算機工程與應用，2003，40(18):61－66.

［4］朱淼良，楊建剛，吳春明.自主式智能系統(tǒng)［M］.杭州:浙江大學出版社，2000.

［5］徐麗群.基于多智能體技術的出行誘導管理系統(tǒng)研究［J］.東南大學學報(自然科學版)，2004，11(6):814－818.

［6］Parrott L，Lacroix R，Wade K M.Design Considerations for the Implementation of Multi-Agent Systems in the Dairy Industry［J］.Computers and Electronics in Agriculture，2003，38(2):79－98.

［7］賈維，張勝文，張亮，等.數(shù)控編程KBE系統(tǒng)的基礎性使能技術研究［J］.CAD/CAM與制造業(yè)信息化，2008，15 (7):88－91.

［8］周長春，殷國富，胡曉兵，等.面向復雜機械產(chǎn)品開發(fā)的多Agent系統(tǒng)研究［J］.高技術通訊，2008，18(8):830－836.