基于MAS电务故障诊断模型的研究

铁路运输组织模式逐步向集中调度、系统综合集成、智能管理和信息共享及融合的方向转变和延伸,在此趋势下,针对高速铁路信号监测系统功能尚存在缺陷的状况,提出将分布式人工智能技术引入到信号设备故障诊断系统中。利用MAS对复杂系统问题的较强求解能力,建立基于MAS的故障诊断系统,采用面向Agent的知识表示,构造数据采集Agent、诊断Agent、事例分析Agent及管理Agent等核心模块的BDI模型,扩展混合Agent结构,将常规的不具备自学习能力的诊断系统设计成为低耦合高内聚的具有自学习能力的并行MAS诊断系统,使系统具有良好的可靠性、扩展性和鲁棒性,提高故障诊断决策和监测管理水平。