利索能及
我要发布
收藏
专利号: 2019103182517
申请人: 广东石油化工学院
专利类型:发明专利
专利状态:已下证
更新日期:2025-12-30
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种多智能体系统分组包围控制方法,其特征在于,所述多智能体系统分组包围控制方法包括:步骤一,通过已知拓扑结构的传感网进行探测,确定多智能体系统拓扑结构;

步骤二,将相对位置较近且相对静止的智能体进行合并为一组以简化控制模型;

步骤三,控制模型采用集中式控制方法,将智能体分组内智能体数目最多的智能体分组作为控制模型的中央控制智能体组;

步骤四,将分组后的智能体分组进行编码;

步骤五,智能体分组中进行智能体编码;

步骤六,根据编码确定智能体分组和智能体,进行相应控制操作。

2.如权利要求1所述多智能体系统分组包围控制方法,其特征在于,步骤四中,编码方式为:将所有智能体分组放置在二维向量空间中,建立拉普拉斯矩阵,集合空间的边界即为矩阵的边界,以左下角边界建立空间直角坐标系,智能体分组在矩阵中的坐标即为该智能体分组编码。

3.如权利要求1所述多智能体系统分组包围控制方法,其特征在于,步骤五中,分组内智能体编码优先级依次为:高、低、上、下、左、右,以算力最强的智能体为中心,采用相对位置编码。

4.如权利要求1所述多智能体系统分组包围控制方法,其特征在于,步骤二将相对位置较近且相对静止的智能体进行合并为一组以简化控制模型中,选取智能体评价模型,通过比较原始对位置较近智能体和相对静止智能体,计算相对静止智能体每帧的预测分值,并将获取的帧级分数标记为矢量X,智能体总帧数标记为N;

滑动窗口的窗口长度为winLen,对获得的帧级质量分数进行滑窗处理,即处理后第n帧的帧级分数为[n-winLen+1,n]帧的帧级分数的均值,将滑窗处理后的帧级分数标记为矢量WX;

将WX由小到大进行排序,并将排序后的结果标记为WX’,取最差的p%帧的平均值,作为整个智能体拓扑结构序列的质量度量分值,进行排序,最小的p%帧均值即为最终度量结果;

将智能体评价模型计算出来的所有帧级分数依次进行滑窗处理,即:其中,winLen表示滑窗滤波时的窗口长度,是需要调节的参数,X(t)表示第t帧的质量分数,WX(n)则表示滑窗处理后的第n帧的质量分数;

使用基于帧间关联与时隙最差的时域信息融合方法对预测帧级分数进行融合,最终的预测分数:其中,p%为待调参数,N为智能体拓扑结构总帧数,WX’(t)表示由小到大进行排序后的第t个帧级分数,OMwinPooling为该智能体的质量的最终评价结果。

5.如权利要求4所述多智能体系统分组包围控制方法,其特征在于,将获得的智能体的质量的最终评价结果进行统一处理,构建统一的控制模型。

6.如权利要求5所述多智能体系统分组包围控制方法,其特征在于,将获得的智能体的质量的最终评价结果进行统一处理包括数据选取、数据预处理和数据变换。

7.如权利要求6所述多智能体系统分组包围控制方法,其特征在于,所述数据变换包括数据变换降维,所述数据变换降维为从数据初始特征中通过聚类分析提取出的特征,削减数据维数。

8.如权利要求5所述多智能体系统分组包围控制方法,其特征在于,构建统一的控制模型过程包括:选取参考告警信息参数向量,建立参考数列X0,X0={X0(k)|k=1,2,…,n}=(X0(1),X0(2),…,X0(n))其中k表示时刻,X0表示告警信息,n表示告警信息参数向量特征维数;

其次,假设有m个比较故障告警信息数据,建立比较数列XiXi={Xi(k)|k=1,2,…,n}=(Xi(1),Xi(2),…,Xi(n))i=1,2,…,m然后,建立比较数列Xi对参考数列X0在k时刻的关联系数ζi(k)其中,w1为各个参数相应的权重,其根据用户的网络属性进行调整和决定;其中ρ为分辨系数,ρ∈[0,+∞);ρ越大,分辩率越大;ρ越小,分辩率越小;

最后,计算出比较数列Xi对参考数列X0的关联度

9.如权利要求5所述多智能体系统分组包围控制方法,其特征在于,构建统一的控制模型中进一步包括通过关联分析对智能体告警信息及网络之间故障建立映射关系,构建故障定位模型,通过BP神经网络进行网络故障定位;包括如下过程:首先,获取m维告警向量Qn=(s1,s2,s3…sm)和n维故障向量On=(p1,p2,p3…pm),并将其通过多个网络节点同时输入,使系统具有并行结构和并行处理能力,对输入进行实时的动态处理;

其次,BP网络,为每个连接的权值赋予指定范围内的值,同时为每个神经元节点指定阈值;

再次,组输入告警样本机器目标结果提供给网络,并计算神经网络节点的连接权值,阈值及各个隐含层单元的输入和输出值;

然后,正各层误差:利用目标向量和网络实际输出值计算输出层单元的误差,并结合隐含层的各单元的输出来修正连接权值和阈值,进行反向误差传播修正;

最后,训练样本向量和对异构网络系统进行训练,直到训练完全部样本后将络运维故障告警信息,输入训练好的BP网络进行网络故障定位。

10.一种实施权利要求1所述多智能体系统分组包围控制方法的多智能体系统分组包围控制系统。