Георгий Борисович Евгенев
105005, Москва, 2-я Бауманская, 5, МГТУ им.Н.Э.Баумана, g.evgenev@mail.ru
Андрей Степанович Кобелев
600009, Владимир,ул.Электрозаводская,1, ПАО«НИПТИЭМ», a.kobelev@ruselprom.ru
УДК 004.896; 621.313
Особенности создания многоагентной системы интеллектуального проектирования электрических машин
Показано, что агентная методология соответствует требованиям к высокоэффективным системам проектирования технических объектов на знаниях. Обсуждается формирование целей, тактик, планов, стратегий интеллектуальных агентов. Затронут вопрос обмена сообщениями и особенности работы триггеров в проектирующих МАС. Представлено формальное описание агентов МАС ЭМ и перечислены основные компоненты системы.
Автоматизированное проектирование, электрические машины, интеллектуальные агентные системы.
Максимально эффективная технология проектирования подразумевает исчерпывающее использование результата проектирования изделия:
- результат овеществляется в созданном изделии;
- результат обобщается, формализуется, вносится в базу знаний проектной организации;
- алгоритм получения результата также обобщается и формализуется;
- если «дорожная карта» проектирования конкретного объекта уже имеется в базе знаний, она должна быть автоматически применена, либо участвовать в поддержке принятия решения ЛПР;
- должны поддерживаться многокритериальные задачи оптимизации с гибкой переналадкой значимости критериев, более того, ГИП должен быть уверен, что число отобранных критериев необходимо и достаточно для успешного решения задачи.
- Помимо оптимизации проектных ресурсов (технический уровень, масса, себестоимость, надежность изделия) должен быть организован процесс снабжения смежных подсистем необходимыми данными для оптимизациидругих видов ресурсов (число проектов, численность персонала, логистические цепочки). Иными словами, часть данных конкретного проектадолжна быть интерпретирована таким образом, чтобы участвовать в задаче по оптимизации портфеля заказов научно-производственного предприятия.
- наконец, совершенная технология проектирования должна уметь обрабатывать всю существенную для создания изделия информацию, т.е. ничего существенного не должно быть упущено.
Поясним важность п. 7.
Колоссальный объем информации, включая теоретические обобщения и практический опыт, накопленные при проектировании технических систем, превышает человеческие возможности по его полноценному восприятию, анализу всех взаимодействий и отношений [Швецов, 2004]. При отсутствии корпоративных баз знаний и программ по их обработке задействование «полных» знаний невозможно даже при наличии мощных CAD/CAE программ. Поэтому теряется возможность выполнения полной оптимизации сложной системы/изделия с вовлечением всех существенных факторов (по меньшей мере, уменьшается вероятность принятия объективно эффективного решения).
Уместно заметить, что информационным арсеналом проектировщика являются не только процедурные методы расчета, базы аналогов, материалов, стандартных изделий, но и эвристический опыт проектирования (чаще всего эвристический опыт имеет научные корни. Однако, для скорейшего получения результата, проектант сразу работает с плодами), который не менее ценен, чем традиционные компоненты корпоративной базы знаний.
Обратимся к выбранной предметной области. Проектирование электрической машины (ЭМ), в широком смысле, подразумевает выполнение распределенных и взаимодействующих между собой процессов:
— разработки эффективных (в предельном случае — оптимальных) решений по обеспечению электромеханических характеристик изделия;
— разработки эффективных (в предельном случае — оптимальных) решений по обеспечению требуемого в ТЗ теплового состояния элементов изделия;
— разработки конструкции оболочки, обеспечивающей требования к защите от внешних воздействующих факторов и т.д.
Неизбежным фактором, который должен быть учтен при проектировании, являются научно-технические и производственно-экономические возможности электромашиностроительного предприятия.
Всего можно выделить 12 тесно связанных направлений работ, выполнение которых формирует облик будущего изделия [Кобелев, 2015]. Логично ресурсы и методы выполнения подвидов проектирования объединить в самостоятельные модули:
— модуль по обеспечению электромеханических свойств;
— модуль по обеспечению требований к охлаждению;
— модуль по обеспечению требований стойкости к механическим воздействиям и т.д.
Авторы полагают, что наиболее эффективной технологией проектирования технических объектов, включая ЭМ, реализующей выше перечисленные принципы 1 ÷ 7, является технология, базирующаяся на теории многоагентных систем (МАС). В этом случае упомянутые модули проектирования организуются как интеллектуальные проектирующие агенты- программные компоненты, обладающие собственными пополняемыми базами знаний, определенной автономией, реактивностью, активностью, проактивностью, способностью к обучению, имеющие механизм общения друг с другом и средой проектирования.Оптимальное решение определяется путем распараллеливания процесса, поиска оптимального решения подзадач, и последующего синтеза общего решения.
Технологически задачей сообщества скооперированных агентов проектирования (МАС) является перевод проектируемого изделия из начального состояния, под которым будем понимать набор свойств и их значений для аналога, в целевое состояние, определяемое свойствами и их значениями, указанными в ТT.Если говорить о степени детализации, нам представляется, что МАС должна возвращать эскиз (прототип) проектируемого изделия с достигнутыми качествами, но не комплект рабочей КД.
Для развития архитектуры агентов ЭМ ИСАПР, укрупненно представленной в [Кобелев, 2015], опишем процесс проектирования, акцентируя внимание на особенностях его организации, как мультиагентного процесса, реализующего полуавтоматическое проектирование.
- Первичной информацией для проектанта является множество свойств T={T1,…, Tn,…, TN} и их значений
формирующих технические требования (ТТ). Удовлетворениевектору технических требований к изделию означает, что проектная ситуация достигла целевого состояния.
Первоначальный анализ технических требований чаще всего позволяет идентифицировать задачу, как принадлежащую к одному из кластеров, для которого уже установлены специфические правила (дорожная карта) проектирования. Так, несмотря на общность законов электромеханики, существуют особенности проектирования общепромышленных, частотно-регулируемых, тяговых, лифтовых и т.п. электрических машин [Кобелев, 2015a]. Таким образом, одним из первых мероприятий построения МАС ЭМ является создание онтологии задач проектирования ЭМ. (Создание классификации задач с кластерами, в которые помещаются идентифицированные задачи).
Первоначальный анализ технических требований чаще всего позволяет идентифицировать задачу, как принадлежащую к одному из кластеров, для которого уже установлены специфические правила (дорожная карта) проектирования. Так, несмотря на общность законов электромеханики, существуют особенности проектирования общепромышленных, частотно-регулируемых, тяговых, лифтовых и т.п. электрических машин [Кобелев, 2015a]. Таким образом, одним из первых мероприятий построения МАС ЭМ является создание онтологии задач проектирования ЭМ. (Создание классификации задач с кластерами, в которые помещаются идентифицированные задачи).
- После анализа ТТ выбирается существующий аналог.
Следовательно, для/до этого должна быть создана БЗ аналогов, которую авторы предлагают разработать в виде метамодели ЭМ. Сложность создания метамодели описываемой предметной области состоит в том, что для ЭМ невозможно создать единую классификацию по определяющим признакам (их около 30), так как в ряде случаев будут иметь место отношения «многие ко многим». Например, частотно-регулируемый двигатель может одновременно являться и малошумным (классификация по уровню шума), и взрывозащищенным (по защите от агрессивных сред),и морского исполнения (по климатике), и энергоэффективным (по классу энергоэффективности) и т.д.С другой стороны, конструктивные решения ДСЕ ранее разработанных машин, формирующих базу аналогов, топологически зависят от габарита и числа полюсов. Глубину поиска аналогов желательно организовать до уровня характеристических свойств [Евгенев и Кобелев, 2005].Наконец, конструктивный облик функционально идентичных машин зависит от технологии производства. Таким образом, метамодель ЭМ, как активное хранилище аналогов, должна базироваться на параметризированных библиотеках ДСЕ, онтологически увязанных с определяющими, характеристическими свойствами ЭМ и свойствами, определяющими технологию изготовления.
- Следующий шаг: сравнение показателей технических требований из
Определяется множество свойств Gl⊂T, значения которых в аналоге ниже, чем в ТТ, т.е. ищется вектор показателей, которые требуется улучшить.
Общая цель: достичь соответствия значениям всех показателей полных ТТ. Здесь понятие «цель» близко понятию «желание»BDI-агента.
В проектировании, как известно, частные цели могут:противоречитьдруг другу;являться взаимозависимыми. В случае выявления агентом невозможности точного выполнениясовокупности всех частных целей из Gl, проектирующий агент должен попытаться выполнить целевую функцию Ц. Увязанное с онтологией задач множество целевых функций Ц должно быть предварительно разработано. Чаще всего ЦФ– это скаляры сверток со своими весовыми коэффициентамии масштабированием, образованные из подвекторов Gl. Библиотека целевых функций формирует соответствующий раздел БЗ агента.
- Различные группы свойств из T (ас позиции активных действий — из Gl)закрепляются за функционально соответствующими проектирующими агентами. Так, обеспечение КПД и требуемых моментов закрепляется за агентом AEL, обеспечивающим электромеханические свойства; обеспечение требований к защите оболочки выполняет одноименный агент AShP и т.д.
Агенты имеют разный приоритет как с точки зрения стартинга процесса, так и с точки зрения прямой соподчиненности друг другу. Так, проектирование ЭМ в большинстве случаев начинается с разработки активных частей (электромагнитного ядра), где главенствующую роль играет агент AEL, а, скажем, проверка и уточнение вибро-шумовых характеристик проводится на последующих этапах агентом AВШХ, который, в свою очередь, может сделать запрос агенту AELна корректировку ядра с целью улучшения ВШХ. Поэтому авторы вводят подразделение проектирующих агентов на агентов «начальников» и агентов «подчиненных», как это принято, например, в [Аксенов и Гончарова, 2015]. Возможны ситуации, когда для разных задач подчиненность агентов меняется. Здесь же заметим, что объекты метамодели ЭМ, содержащие параметризированные ДСЕ, суть реактивные агенты, которые, по запросу вышестоящих агентов, могут сгенерировать чертеж экземпляра ДСЕ, выполнить компоновку общего вида двигателя и т.д.
- Каждая частная цель имеет библиотеку планов по ее реализации. Инвариантные к условиям задачи (ограничениям, классу задачи) способы достижения целей хранятся в соответствующем разделе БЗ убеждений агента. Назовем их тактиками. Исчерпывающий набор тактик должен быть разработан для каждой определенной в п.3. частной цели. Тактики ранжируются по эффективности. Тактики переходят в планы действий, если они не подпадают под ограничения конкретной задачи. Для достижения частной цели с одновременным привлечением нескольких планов так же используются ЦФ. Итак, в конкретной задаче каждый проектирующий агент может иметь несколько частных целей, каждая из которых может быть реализована несколькими планами действий. План может содержать более одного действия.
- Выбор лучшей (по меньшей мере, эффективной) совокупности планов действий назовем стратегией агента. Создание и/или выбор лучшей стратегии является одной из наиболее сложных процедур обсуждаемой МАС.
Существует два источника информации, на основе которых формируется стратегия. Первый — использование формализованных результатов разрешения типовых проектных ситуаций из прошлых проектов. Здесь напрашивается прямая аналгия с принятием решения профессиональным шахматистом, который, идентифицируя макро-ситуацию на доске с ранее известными и исследованными позициями, принимает решение о следующем ходе, который, при предыдущем полном поиске (зондировании), будет оптимальным. Стандартные проектные ситуации фиксируются с применением фреймов. Мощным инструментом для этих целей является методология фрейм- концептов, предложенная А.Н.Швецовым [Швецов, 2004], и развиваемая его последователями [Аксенов и Гончарова, 2015].
Второй источник информации формирования стратегий — результаты факторного анализа. Объем работ по выполнению факторного анализа весьма велик и должен включать в себя расчетные и натурные эксперименты, число которых минимизируется с помощью методов планирования эксперимента. Факторный анализ следует выполнять для базовых экземпляров предметной области и для основных контролируемых параметров.
Таким образом, агент пытается найти готовое решение по обеспечению контролируемых показателей:
- сначала в библиотеке решений проектных ситуаций;
- применяя обобщающие исследования на основе факторного анализа, либо по анализу репрезентативного множества готовых решений,
- последовательно просматривая предварительно отранжированные планы в порядке убывания их эффективности.
Если по результатам 1 ÷ 3 стратегия не найдена — прибегнуть к методам многокритериальной оптимизации (МКО), но максимально упростить (сузить) постановку задачи путем использования данных факторного анализа; если таких данных нет — решать задачу МКО «в лоб».
Авторы полагают, что одним из лучших методов МКО является генетический алгоритм NSGA-II.
Существенно, что формирование входных данных для оптимизационных задач, а также других совместных действий может выполняться коалициями агентов [Зраенко, 2014]. В нашем случае в коалицию могут входить, например, агенты AEL, AIC(агент обеспечения требований к охлаждению), AVN (агент обеспечения требований к уровню вибраций и шума).
- Особенности обмена сообщениями в МАС проектирования ЭМ.
Для спецификации обмена сообщениями,прежде всего, следует:
- построить концептуальную структуру взаимодействий между агентами, агентами и объектами, агентами и средой;
- создать множествоRAотношений (взаимодействий) между агентами;
- создать множество REотношений между агентами и средой;
- учесть упомянутое различие агентов по старшинству, что можно сделать при помощи аппарата нечетких отношений [Кобелев, 2007];
- специфицировать действия по передаче значений показателей от одних агентов к другим в процессе проектирования с учетом цикличности, поскольку ряд выходных показателей одного агента является входным для другого.Возможно цикличное уточнение входных показателей группой агентов и т.п. Пример: выходными показателями AELявляются значения энергетических потерь; они же являются входными параметрами для AIC, где уточняется тепловое состояние ЭМ, которое передается в AEL, по которому корректируются значения энергетических потерь.
- О триггерах.
По [Швецов, 2004] триггер — это условие вызова, определяющее обстоятельства, при которых план агента должен рассматриваться как возможный для применения. Тот же смысл мы видим в[Смирнов и Смольянинова, 2009]:Каждому действию агента по достижению цели соответствует состояние-предусловие, (фрагмента) предметной области, в соответствии с которым данное действие может быть применено.
Таким образом, триггеры являются инициаторами запуска действий (правил и т.п.) агента, т.е. они играют важнейшую роль в моделировании динамических свойств системы.
Однако МАС проектирования технических объектов — это квазидинамическая система, поскольку процесс проектирования четко не привязан ко времени, и под временем понимается так называемое модельное время, которое фиксирует смену состояний проекта в движении его от аналога к новому изделию.
В проектирующих МАС на функцию триггеров возлагается дополнительная ответственная задача -определение шага при поиске оптимального решения и косвенно -определении агентов, привлекаемых к промежуточным усилиям агента-исполнителя.
Рассмотрим это на примере нашей ПрО. Предположим, частная цель состоит в улучшении контролируемого показателя Mи выбран план, который состоит в улучшении показателя путем оптимизации варьируемых параметров. Предположим, план состоит в определении длины сердечника, которой можно варьировать в сторону увеличения, для обеспечения заданного в ТТ момента M. Надо ли автономно отработать агенту эту процедуру, либо вовлекать других агентов на каждом шаге приращения длины для контроля теплового состояния, прочности вала ротора, соответствия разрешенным габаритам и т.п.? Это далеко не тривиальный вопрос.
В этом же логическом ряду находится вопрос частоты обращения к агенту интегратору для анализа промежуточных стадий проекта.
Вопрос величины шага упрощается при дискретном характере переменных (например, класса изоляции).
Авторы осознают, что по мере развития МАС проектирующей технические объекты, возможно, потребуется провести исследования по применению в рассматриваемых проблемах теории алгоритмов, методов диакоптики, динамического программирования, их гармонизации с методами ситуационного моделирования и многокритериальной оптимизации.
В любом случае, следует максимально полно использовать имеющиеся результаты факторного анализа для уменьшения числа варьируемых параметров и сужения множества Парето.
- Вышеприведенные рассуждения, а также анализ работ [Швецов, 2004], [Паронджанов, 2008], [Аксенов и Гончарова, 2015] позволяют предложить следующее формальное описание агента МАС ЭМ:
A= < Name; Prior, SAA, GlA,KBA, MTA, ResA, MCBA, CMdA>
где Name -имя агента;
Prior-приоритет агента;
SAA— структура атрибутов;
GlA— множество целей агента;
KBA— база знаний агента, содержащая множество тактик, стратегий, атомарных знаний из факторного анализа;
MTA— собственные методы агента;
ResA— собственные ресурсы агента,
MCBA— механизмы выбора поведения агента по отношению к тактикам, стратегиям и триггерам;
CMdA— модели коммуникации агента со средой и с другими агентами.
Формальное описание многоагентной системы проектирования ЭМ будет иметь вид:
MAS = {Atr, A, IO, KBMAS ,E, GlMAS , CMdMAS, R,MTMAS,Inp, Out},
где Atr-общесистемные характеристики;
A-множество агентов, действующих в МАС ЭМ;
IO— множество прочих информационных объектов, в т.ч. ресурсов, входящих в МАС;
KBMAS— общая база знаний МАС, либо БЗ агента-интегратора;
E— множествосред, в которых существуют объекты и агенты, в нашем случае речь идет о поддерживаемых классах задач;
GlMAS-цели системы;
CMdMAS— модели коммуникации МАС с агентами и смежными системами;
R-множество отношений,в которые могут вступать агенты и объекты;
MTMAS— методы МАС ЭМ, прежде всего методы МКО;
Inp, Out- соответственно входы и выходы системы.
Заключение.
В большинстве известных авторам публикаций по агентной тематике, задачи, которые решают агенты в различных предметных областях, сводятся к распределенному эффективному управлению ресурсами. Это всевозможные управленческие, организационно-технические, логистические и мониторинговые задачи. При этом количественная мера (гранула) обрабатываемого ресурса, в чем бы она ни измерялась, наперед известна. Авторы полагают, что настоящей работой положено начало практическому применению теории интеллектуальных агентов для проектирования технических объектов (на примере предметной области из электротехники), когда количественная мера ресурсов (значение технических и геометрических характеристик проектируемого объекта) определяется в процессе решения задачи, более того, является его целью. Кроме того применение интеллектуальных агентов в техническом проектировании — единственный путь от ручного документирования знаний инженера в CAD-системах к полуавтоматическому проектированию изделий.
Библиографический список
[Швецов, 2004]Швецов А.Н.Модели и методы построения корпоративных интеллектуальных систем поддержки принятия решений: Дис… д-ратехн. наук. М.: РГБ, 2005. 461 с.
[Кобелев, 2015]Кобелев А.С. Развитие систем искусственного интеллекта и смена парадигмы при создании систем автоматизированного проектирования/ А.С. Кобелев // Сборник докладов научно-технической конференции РАЭН «Актуальные вопросы и перспективы электромашиностроения. Москва, 2015. C. 147-153.
[Кобелев, 2015a]Кобелев А.С. Применение кластерного анализа в многопотоковом проектировании активных частей асинхронных электродвигателей // Электротехника. — 2015. № 3. С. 8 -15.
[Евгенев и Кобелев, 2005] Евгенев Г.Б., Кобелев А.С. Автоматизация структурно-параметрического синтеза проектируемых изделий в интеллектуальных машиностроительных САПР // Труды Международных научно-технических конференций «Интеллектуальные системы» (IEEE AIS’05) и «Интеллектуальные САПР» (CAD-2005).Т. II. Москва, Физматлит. 2005.
[Аксенов и Гончарова, 2015]Аксенов К.А., Гончарова Н.В. Моделирование и принятие решений в организационно-технических системах. Часть 1. Екатеринбург. Изд. Уральского Университета. 104 с.
[Зраенко, 2014]Зраенко А.С.Система распределения ресурсов и формирования коалиций и ее применение на промышленных предприятиях дивизиональной структуры управления при выполнении крупных заказов: Дис… к-на техн. наук. Самара, — 2014. 252 с.
[Кобелев, 2007] Кобелев А.С. Формы и интенсивность взаимодействия между агентами в интеллектуальной САПР АЭД // Электричество. -2007.№1.- С. 32-37.
[Смирнов и Смольянинова, 2009]Смирнов С.С., Смольянинова В. А. Введение в разработку многоагентных систем в среде Jason. Основы программирования на языке AgentSpeak: Учеб.пособие. — М.: МИРЭА, 2009. 137 с.
[Паронджанов, 2008] Паронджанов С.С. Модели, методы и программные средства организации взаимодействия интеллектуальных агентов: Автореферат дис… к-на техн. наук. Москва, — 2008. 22 с.