基于多智能体的数控机床资源共享技术研究

作者：罗亚波 肖田元 陈定方

欢迎访问e展厅 展厅 3 数控机床/铣床展厅 数控铣床, 摇臂铣床, 立式铣床, 转塔铣床, 炮塔铣床, ... 摘要：以数控铣床为对象，应用多智能体技术，以解决传统的资源共享所面临的透明度低和效率低下的问题。首先，在分析功能模型的基础上，提出并实现了资源共享的四层网络拓扑结构；其次，构造了面向设备资源共享功能的智能体信息流模型，以实现四层结构之间的交互；其三，定义了智能体状态函数，并以此为依据，建立了智能体协商机制。所开发的原型系统表明，以上成果有效地提高了数控机床资源共享的透明度和效率。 关键词：资源共享；动态联盟；数控；多智能体 0　引言 数控机床的加工精度高、生产率高、柔性好，适于小批量生产。然而，拥有数控机床的大型企业往往存在生产任务不足、生产资源利用率低的问题，而市场敏感度高的中小企业，则出于利润最大化考虑，一般不会为离散的小批量任务而购买价格昂贵的数控机床。如采用企业动态联盟的形式，整合离散的加工任务，以设备租用方式实现数控机床资源共享，则各企业都能发挥自己的优势，使动态联盟中的企业成本最小化[1]。以传统方式进行设备资源共享虽然已有一些应用实例，但存在以下局限性： (1)透明度低　传统的资源共享方式一般通过会议协商的方式，对任务、费用等进行协商，数控机床资源的性能、完成任务的成本等透明度都很低，因而寻找费用适当、能力可靠的数控机床资源提供者十分困难。 (2)效率低下　当资源提供方所拿到的任务订单在时间上出现冲突时，需要通过传统的方式进行多方协商，以消解冲突，当任务比较多时，协商过程变得十分复杂，这在很大程度上降低了资源共享的效率，增加了各方成本。 多智能体系统是一种分布式自主系统，采用基于协商的决策，具有并行性、智能性和柔性[2]。多智能体的这些特性适于实现数控机床资源的共享。 1　面向功能的网络拓扑结构 在构造数控机床资源共享系统网络拓扑结构前，首先定义以下几个概念： (1)时间成本函数　产品的价格与产品产出期密切相关，时间成本函数以任务完成时间为变量，用以描述任务完成时间与产品利润下降的关系。 (2)零时间成本点　由于产品开发是一项并行工程，某一任务的提前完成，往往并不能提前产品的产出期。在零时间成本点前完成的任务，其时间成本函数值都为零，在零时间成本点后完成的任务，其时间成本函数值为正。 (3)无效提前时间　指当任务在零时间成本点以前完成时，零时间成本点与任务完成时间的差值。 (4)协商成本　由于某些紧迫任务的需要，任务之间会通过费用补偿的方式进行协商，以换取紧迫任务的提前执行，这一补偿费用就是协商成本。 (5)时间成本　任务的时间成本函数值与协商成本之和。时间成本是资源租用者进行资源选择、任务协商和任务完成时间可接受性的主要判断依据。 (6)任务成本　任务的加工成本与时间成本之和。 数控机床资源共享涉及到多智能体技术、网络技术、虚拟现实技术等多个技术领域，主要包含以下功能模块： (1)用户功能模块　实现资源信息搜索、资源功能预评估等功能，同时，通过这一功能模块，用户可以依据任务的紧迫程度，建立任务时间成本函数和协商可接受的条件。 (2)NC代码的3维仿真与优化模块　通过用户与虚拟数控机床之间的实时交互，实现面向加工成本的NC代码的3维仿真与优化，提高资源功能信息和租用成本信息的透明度。 (3)资源调度与任务排序优化模块　资源调度与任务排序优化问题是一个复杂的组合优化问题，本研究以企业联盟总成本最小为目标，以负载平衡为原则，建立资源调度与任务排序优化模块。 为了有效地组织以上这些功能模块，使各模块间能高效地协同工作，首先要以功能模块为依据构造系统的网络拓扑结构。本研究提出并实现了WebBrowser-WebServer-ApplicationServer-ResourceProvider四层网络拓扑结构。 图1所示的网络拓扑结构映射了系统功能结构模型，描述如下： (1)虚拟数控机床应用服务器(WebBrowser-WebServer-ApplicationServer1)　资源租用方通过WebBrowser访问WebServer，搜索可共享的资源信息，如：数控机床类型、特性、刀具库、租用费用等，通过比较选择租用资源，然后根据所选择资源访问ApplicationServer1，进入虚拟数控机床系统，对NC代码进行面向加工成本的优化，获得优化的NC代码和反馈的加工成本信息。同时，依据任务的紧迫程度，建立任务时间成本函数和协商可接受的条件。 (2)资源调度与任务排序优化应用服务器(WebBrowser-WebServer-ApplicationServer2)　用户将加工成本、时间成本函数、协商可接受条件，以及优化的NC代码、预估计的加工成本一起通过WebServer提交到ApplicationServer2。ApplicationServer2收集已有任务队列和资源分配情况，通过任务之间的协商，对资源分配和任务队列进行优化，依次将任务提交到相应资源执行。 (3)应用服务器与资源提供方(ApplicationServer2-ResourceProvider)　资源提供方可通过ResourceProvider服务器上载和更新资源信息库，同时，保留并更新资源状态和任务队列状态，向ApplicationServer2实时反馈。 2　智能体信息流模型 智能体代表独立的、交互式的、相互协作的对象实体，主要功能在于多个智能体之间的相互通讯和协作，以完成分布式问题求解。要建立多智能体系统，首先要建立多智能体信息流模型。在传统的事务处理中，信息流一般为单线流动，而多智能体的信息流是网状的，各个智能体按照需要产生和处理各自的信息流[3]。因此，多智能体系统可以处理非常复杂和实时发生的信息流，因而非常适用于建立具有复杂层次结构的设备资源共享系统。基于多智能体的数控机床共享系统包含以下智能体类型： (1)用户智能体　实时与任务智能体保持信息交流，获得任务智能体状态，为协商可接受条件和任务完成时间可接受性提供判断依据，并作出决策。 (2)任务智能体　它是系统所包含的智能体中最重要和活跃的一类智能体。主要功能是从用户智能体获得任务信息，向资源智能体提交任务信息，与其他任务智能体实时协商，与用户智能体协作，为任务的完成时间和成本的可接受性作出决策，以达到企业联盟总成本最小化的目的。 (3)软件资源智能体　以对可能的交互时间的自学习为基础，为用户智能体分配虚拟数控机床资源，以便于用户实时交互，对NC代码进行3维仿真和优化，向用户反馈NC代码仿真过程、优化结果以及加工成本信息。 (4)硬件资源智能体　代表数控机床硬件设备，每一台可利用的数控机床映射一个硬件资源智能体。硬件资源智能体与任务智能体、用户智能体实时协商，完成资源调度与任务排序的优化，并实时反馈相关信息。 图2是用户与虚拟数控机床交互过程中的智能体信息流闭环结构。该信息流模型的工作原理如下：首先由加入的用户生成用户智能体，再由用户智能体(包含初始NC代码、时间成本函数、协商可接受条件等)生成任务智能体。软件资源智能体由虚拟数控机床产生，主要控制每一资源的任务队列信息。任务智能体以负载平衡为原则选择资源，任务智能体与软件资源智能体形成智能体对，对意外退出或意外延时的情况作出反应。软件资源智能体分配后，实时通知用户可能的交互时间，任务到栈后，通知用户开始交互优化。最终将优化结果返回给任务智能体。 图3是数控机床设备资源共享过程智能体信息流。该信息流模型的工作原理如下：完成与软件资源智能体的交互后，更新的任务智能体包含优化的NC代码、加工预计时间、时间成本函数。任务智能体是移动智能体，它不仅仅具有自主性和协作性，还能根据问题求解以及自身运行状态的要求，在网络环境下在一台主机上终止运行，然后移动到另一台主机上的某一地点继续运行。任务智能体依据ApplicationServer2提供的待访问主机的路由列表，即ResourceProvider服务器列表，自主依次移动到相应主机，与驻留在主机的设备资源智能体会见。根据自身的需要和任务序列信息与队列中已有的任务智能体协商，通过用户智能体的判别，获得协商结果，然后移动到下一个ResourceProvider服务器，重复协商行为。用户智能体记录与每一个资源智能体相对应的协商后的任务成本，完成与所有任务智能体协商后，进入任务成本最小的设备资源智能体，保存协商后的任务队列信息。 3　面向成本最小化的智能体协商机制 智能体生存于一个动态的信息环境中，为了便于确定智能体在信息环境中所处的状态，为智能体的协商提供依据，本研究定义智能体的状态函数的概念，即在智能体所处的信息环境中，选择与智能体密切相关的信息值为变量，建立能反映智能体典型特征的函数。智能体的状态函数值定义为智能体的熵，其熵值能实时反映智能体在不同时刻所处的状态，从而为智能体之间的协商提供依据。 由于任务的时间成本随着任务的资源分配及任务排序而改变，因此，定义任务的时间成本作为任务智能体的熵。首先根据任务的紧迫程度定义任务的时间成本函数： 式中：w-任务的编号； aw-由企业用户根据任务的紧迫程度确定的时间成本系数，任务越紧迫，时间成本系数就越高； tw-协商完成后，任务在任务队列中的起始加工时间，由该任务前面的任务队列决定； Ｔw-用户与软件资源智能体交互后估算出的加工时间； tｋw-任务可接受的最晚任务完成时间； t0w-任务的零时间成本点。 当任务能在t0w时间前完成时，应尽可能使任务完成时间接近t0w，减小无效提前时间，使其他任务能充分利用时间资源。 任务智能体的状态函数定义如下： 式中，ｍ为所请求加工时刻后的第一个任务在任务队列中的序号；n为队列中的任务总数；Ｄi为任务智能体与队列中第i个任务智能体的协商成本。 数控机床共享系统的任务排序与资源分配，一方面以“先来先做”和负载平衡为原则，另一方面，为了使“无效提前时间最小”，即企业联盟总效益最大，也允许资源租用者之间通过任务智能体、用户智能体进行实时协商。 当任务智能体与设备资源智能体会见后，假如任务能在t0w前完成，则依次进入队列，不主动请求协商，等待其他任务智能体的协商请求。假如任务在t0w后完成，则需要依据队列信息向某一执行时间以下的所有任务进行协商，申请提前执行任务。 对于请求提出者，用户智能体的协商可接受条件为： 对于请求接受者，用户智能体的协商可接受条件为： 式中，S′(w)为协商后的时间成本；S(w)为协商前的时间成本；A为用户定义的可接受任务成本；C为虚拟CNC机床反馈的加工成本。通过以上协商机制，任务智能体、资源智能体、用户智能体之间协商后，能使各企业最大限度地利用加工时间，通过企业间利益均衡，实现企业联盟效益最大的目标。 4　系统实现方法 为了增加设备资源共享交易过程中的透明度，虚拟数控机床是数控机床资源共享系统的重要组成部分，本研究以数控铣床为对象，研究数控机床资源共享系统实现方法的共性技术。利用ＶRＭＬ的ＥAＩ接口，以Ｊava作为智能体开发语言，在对标准智能体信息交互接口类进行集成与扩展的基础上，开发了由用户智能体、任务智能体和资源智能体组成的多智能体系统。任务智能体既包含其他智能体的共性特征，又有鲜明的个性特点，是系统中最复杂的核心智能体。在此，以任务智能体构造方法为例，说明系统中智能体的实现方法。任务智能体由NC代码解析器、工件动态建模和实时协商机制构成。 (1)NC代码解析器　对数控加工任务进行解析，主要包含对走刀轨迹、走刀速度等参数的描述，以实现NC代码的仿真与优化，同时为成本预测提供依据。 (2)工件动态建模　工件动态建模是加工过程仿真的核心问题[4]。本研究采用四边形网格方法，以支持网络的ＶRＭＬ结点ＥlevationＧrid来描述加工对象，即将工件底面进行离散，以离散点对应的不同高度来表达加工零件的表面形状[5]。工件模型上每一顶点高度的初始值设置为被加工对象的原始高度，当刀具模型与毛坯模型之间检测到干涉时，则设置刀具轮廓范围内顶点的高度为刀刃的高度，从而实现动态铣削模拟。 (3)实时协商机制　采用面向成本最小化的智能体协商机制。图4为任务智能体的类结构模型。 以Webloｇic作为Web服务器，以SQＬServer作为数据库服务器，建立了四层框架结构，实现了数控铣床资源共享原型系统，该系统已经在新加坡国立大学、华中科技大学和武汉理工大学进行了安装试运行。通过在华中科技大学和武汉理工大学远程访问设立在新加坡国立大学的服务器，对NC代码进行仿真与优化，远程提交优化结果，共享新加坡国立大学的数控铣床。 5　结束语 以数控铣床为对象，深入研究了数控机床资源共享共性技术，提出了数控机床资源共享的四层网络拓扑结构、面向资源共享功能的智能体信息流模型、智能体协商机制等，实现了数控铣床资源共享的自动化和智能化，解决了传统资源共享方式实现数控机床资源共享存在的局限性。具体归纳如下：　　 (1)增加了资源共享的透明度　用户可以通过查阅资源提供方上载的工艺参数，对加工过程进行远程实时模拟，从而直观地了解数控机床资源的性能、完成任务的成本等。同时，用户智能体可以根据数控机床资源的性能、完成任务的成本以及各资源的任务队列状态选择最优资源。 (2)提高了资源共享的效率　由于智能体之间在动态的信息环境中，依据面向成本最小化的智能体协商机制，实现了基于Web的公开竞标，使企业联盟总成本最小化，协商过程的自动化，在很大程度上提高了资源共享的效率，降低了协商成本。(end)

文章内容仅供参考 (投稿) (如果您是本文作者，请点击此处) (2/2/2005)