顏 瓅劉朕明

（1.中國(guó)船舶及海洋工程設(shè)計(jì)研究院 上海200011；

2.上海中船船舶設(shè)計(jì)技術(shù)國(guó)家工程研究中心有限公司 上海200083）

基于多智能體的車輛運(yùn)輸船裝卸載作業(yè)系統(tǒng)仿真

顏 瓅1,2劉朕明1,2

（1.中國(guó)船舶及海洋工程設(shè)計(jì)研究院 上海200011；

2.上海中船船舶設(shè)計(jì)技術(shù)國(guó)家工程研究中心有限公司 上海200083）

車輛裝卸載作業(yè)系統(tǒng)是船舶作業(yè)系統(tǒng)的一種?；谀_本和條件判斷的常規(guī)作業(yè)仿真模型存在可擴(kuò)展性差、建模成本高等缺點(diǎn)，難以滿足當(dāng)前作業(yè)系統(tǒng)研究的發(fā)展趨勢(shì)。文中為車輛運(yùn)輸船裝卸載系統(tǒng)仿真試驗(yàn)設(shè)計(jì)一個(gè)多智能體系統(tǒng)，建立基于BDI模型的智能體控制模塊，針對(duì)裝卸載系統(tǒng)特點(diǎn)設(shè)計(jì)多智能體協(xié)作機(jī)制。仿真試驗(yàn)顯示牽引車、半掛車和升降機(jī)可自行開展作業(yè)，表明智能體仿真可以簡(jiǎn)化作業(yè)流程建模工作，該設(shè)計(jì)工作擴(kuò)展后可用于各種具有多實(shí)體交互協(xié)作的船舶作業(yè)系統(tǒng)仿真，具有較為廣泛的應(yīng)用前景。

多智能體；車輛運(yùn)輸船；作業(yè)系統(tǒng)仿真；BDI模型

引 言

車輛裝卸載作業(yè)系統(tǒng)是船舶作業(yè)系統(tǒng)的一種，船舶作業(yè)系統(tǒng)包括作業(yè)環(huán)境、作業(yè)實(shí)體和作業(yè)方案三個(gè)要素。作業(yè)環(huán)境是指影響作業(yè)但不直接參與作業(yè)的事物，例如船舶周圍的風(fēng)浪環(huán)境、晝夜環(huán)境，以及船舶上的艙室通道。作業(yè)實(shí)體是指參與作業(yè)并發(fā)生變化的實(shí)物，例如設(shè)備、人員、物資等，也可以是設(shè)備的部件或子系統(tǒng)。作業(yè)方案是指可指導(dǎo)作業(yè)執(zhí)行的預(yù)定方案，例如作業(yè)實(shí)體的初始位置、作業(yè)流程等。由于船舶作業(yè)系統(tǒng)的復(fù)雜性，為確保實(shí)際系統(tǒng)有效運(yùn)行，對(duì)系統(tǒng)的設(shè)計(jì)提出了較高要求。用仿真方法對(duì)設(shè)計(jì)方案進(jìn)行研究能夠充分檢驗(yàn)作業(yè)系統(tǒng)的各種特性在運(yùn)行過(guò)程中出現(xiàn)的動(dòng)態(tài)變化，從而獲得更加準(zhǔn)確的評(píng)估結(jié)果。然而，隨著船舶作業(yè)系統(tǒng)的大型化、環(huán)境復(fù)雜化和工況多樣化，作業(yè)系統(tǒng)中作業(yè)實(shí)體數(shù)量和作業(yè)實(shí)體間交互協(xié)作事件的類型大幅增加，發(fā)生交互協(xié)作的次數(shù)呈指數(shù)增長(zhǎng)。常規(guī)的基于腳本和條件判斷的作業(yè)仿真模型存在可擴(kuò)展性差、建模成本高等缺點(diǎn)，難以滿足當(dāng)前作業(yè)系統(tǒng)研究的發(fā)展趨勢(shì)。

智能體（Agent）又稱“智能Agent”、“代理體”、“主體”，最早的概念由Carl Hewitt于1977年提出，目前在學(xué)術(shù)界還沒有統(tǒng)一的定義，一般認(rèn)為智能體是一種具有自主性的，能夠接受外界信息并做出響應(yīng)的軟/硬件程序或系統(tǒng)［1-2］。在船舶作業(yè)仿真系統(tǒng)中，每一個(gè)智能體可以代表一個(gè)作業(yè)實(shí)體，像這樣存在多個(gè)智能體的系統(tǒng)稱為多智能體系統(tǒng)（Multi-Agent System， MAS）。智能體仿真又稱基于智能體的建模與仿真方法（Agent-based Modeling and Simulation， ABMS），是指通過(guò)各個(gè)智能體的自主性及交互行為來(lái)描述復(fù)雜系統(tǒng)的仿真方法［3-4］。對(duì)于船舶作業(yè)系統(tǒng)仿真這樣具有大量交互作用的復(fù)雜系統(tǒng)，智能體仿真在建模方面具有直觀、靈活和易擴(kuò)展等優(yōu)點(diǎn)，在問(wèn)題求解方面具有速度快、可靠性高和容錯(cuò)能力強(qiáng)等優(yōu)點(diǎn)［2］。

目前，智能體仿真在船舶領(lǐng)域已經(jīng)有一定的應(yīng)用：吳向君等人［5］以各類抗沉人員為智能體建立抗沉過(guò)程仿真的多智能體模型，通過(guò)實(shí)例計(jì)算分析了抗沉過(guò)程中的關(guān)鍵環(huán)節(jié)；胡嘯［6］以艦船推進(jìn)、電力、損管、艦橋等業(yè)務(wù)系統(tǒng)為智能體，在全船層面探討以任務(wù)為驅(qū)動(dòng)的系統(tǒng)架構(gòu)方法，為建立基于任務(wù)的艦船平臺(tái)體系結(jié)構(gòu)奠定了基礎(chǔ)；秦久峰等人［7］以船舶動(dòng)力平臺(tái)水冷系統(tǒng)、子系統(tǒng)、資源和人員等為智能體，將分布式多智能體控制方法應(yīng)用于動(dòng)力輔助系統(tǒng)控制系統(tǒng)中，可降低操作人員的工作負(fù)荷，增加系統(tǒng)的智能性和魯棒性；江建宇［8］以買家、賣家或貨代、船運(yùn)公司、海關(guān)等作為智能體，提出以多智能體仿真為核心的ISPHT開放集成平臺(tái)/模型框架，針對(duì)港口群腹地集運(yùn)系統(tǒng)中的幾項(xiàng)重要的決策分別構(gòu)建具體算法，并檢驗(yàn)了模型的有效性。然而，對(duì)于將智能體仿真應(yīng)用于具有較多作業(yè)實(shí)體在空間中行駛、運(yùn)輸、調(diào)運(yùn)的船舶作業(yè)系統(tǒng)，目前尚未見相關(guān)報(bào)道。本文提出基于多智能體的車輛運(yùn)輸船裝卸載作業(yè)系統(tǒng)仿真模型，并提出多智能體之間的協(xié)作機(jī)制。

1 裝卸載作業(yè)系統(tǒng)

某船專門用于運(yùn)輸載有箱貨的半掛車。船上設(shè)有上下兩層車輛艙。上層車輛艙通過(guò)一臺(tái)升降機(jī)與下層車輛艙連接，下層車輛艙可通過(guò)尾跳板與碼頭連接，上下兩層車輛艙均可裝載18輛半掛車，如圖1所示。

該船在裝載時(shí)，首先將18輛半掛車通過(guò)升降機(jī)裝載到上層車輛艙，然后將其余18輛裝載到下層車輛艙，卸載時(shí)順序相反。

對(duì)于裝卸載作業(yè)系統(tǒng)，作業(yè)環(huán)境包括上下層車輛艙、跳板和碼頭，作業(yè)實(shí)體包括牽引車、半掛車和升降機(jī)，作業(yè)方案包括半掛車的布列方案、半掛車上船/下船的轉(zhuǎn)運(yùn)流程方案、行駛路線、出動(dòng)順序等。作業(yè)布列方案含有一個(gè)列表描述作業(yè)實(shí)體初始狀態(tài)的基本信息，包括每個(gè)作業(yè)實(shí)體的序號(hào)、作業(yè)實(shí)體的類型、作業(yè)實(shí)體的坐標(biāo)等。作業(yè)流程方案含有一個(gè)列表描述作業(yè)流程的信息，包括每項(xiàng)作業(yè)的序號(hào)、執(zhí)行該作業(yè)的實(shí)體的序號(hào)、該作業(yè)的類型，以及開始執(zhí)行該作業(yè)的條件。

由于自然語(yǔ)言描述容易出現(xiàn)二義性、含糊性、不完整性等問(wèn)題，而采用具有精確數(shù)學(xué)語(yǔ)義的方法，即形式化方法（Formal Method）進(jìn)行描述，不僅可以避免自然語(yǔ)言描述的各種缺點(diǎn)，還具有簡(jiǎn)潔準(zhǔn)確、可用數(shù)學(xué)證明、易于轉(zhuǎn)化為編程語(yǔ)言等優(yōu)點(diǎn)［12-13］。本文以形式化方法描述智能體模型中的各個(gè)概念。

假設(shè)作業(yè)案例：有半掛車Semi1和Semi2布列在上層車輛艙G1中（狀態(tài)pOnDeck= G1），需要依次卸載到下層車輛艙G2（pOnDeck= G2）。由于半掛車自身沒有動(dòng)力，需要由一輛牽引車Trac前來(lái)與其掛鉤，牽引進(jìn)入升降機(jī)Elva（狀態(tài)pInElva= True），Trac隨后脫鉤并離開Elva，Elva下降到G2。作業(yè)案例中涉及的各種角色、作業(yè)步驟如表1所示。

表1 作業(yè)步驟和作業(yè)實(shí)體

表中可見半掛車可執(zhí)行2種作業(yè)步驟，分別是被牽引（A=Be Drag）和被運(yùn)輸（A=Be Trans），升降機(jī)可執(zhí)行2種，牽引車可執(zhí)行4種。作業(yè)流程方案如表2所示。表中可見半掛車Semi1的作業(yè)步驟是先執(zhí)行被牽引（A1=Be Drag），結(jié)束后（pInelva=True）再執(zhí)行被運(yùn)輸（A2=Be Trans）；對(duì)于半掛車Semi2，需要等待Semi1的被運(yùn)輸作業(yè)結(jié)束（pOndeck= G2），才開始自己的作業(yè)步驟。

表2 作業(yè)流程方案

2 智能體模型

為分析驗(yàn)證裝卸載作業(yè)系統(tǒng)的設(shè)計(jì)方案，本課題建立了基于多智能體的作業(yè)仿真試驗(yàn)系統(tǒng)。為該系統(tǒng)建立了包含作業(yè)環(huán)境和作業(yè)實(shí)體的模型庫(kù)，面向多智能體仿真試驗(yàn)環(huán)境，并基于Vega Prime軟件建立了圖像渲染和碰撞檢測(cè)功能［9］。系統(tǒng)可讀入作業(yè)方案，按方案運(yùn)行仿真試驗(yàn)，在仿真循環(huán)中驅(qū)動(dòng)各個(gè)智能體，記錄仿真結(jié)果，最后將仿真結(jié)果用于對(duì)作業(yè)系統(tǒng)設(shè)計(jì)方案的分析評(píng)估。

本文為作業(yè)系統(tǒng)中的每個(gè)作業(yè)實(shí)體都建立一個(gè)智能體，并根據(jù)智能體基本結(jié)構(gòu)，面向作業(yè)仿真試驗(yàn)系統(tǒng)開發(fā)，將代表作業(yè)實(shí)體的智能體模型分為感知模塊、控制模塊和執(zhí)行模塊，各模塊又細(xì)分為多個(gè)功能子模塊。系統(tǒng)在仿真循環(huán)中依次調(diào)用每個(gè)智能體的每個(gè)模塊，實(shí)現(xiàn)作業(yè)驅(qū)動(dòng)，如圖2所示。

2.1 感知模塊

感知模塊負(fù)責(zé)采集并解析環(huán)境和智能體自身的信息。

2.1.1 作業(yè)生成

本模塊主要用在仿真試驗(yàn)的初始化階段。首先，仿真系統(tǒng)直接讀取作業(yè)布列方案和作業(yè)流程方案。系統(tǒng)按布列方案創(chuàng)建各個(gè)智能體，將其布列到預(yù)定位置上。隨后，各個(gè)智能體分別讀取仿真系統(tǒng)的作業(yè)流程方案，提取那些僅僅涉及到自身的作業(yè)信息，創(chuàng)建一個(gè)自己專用的作業(yè)流程列表。在作業(yè)案例中，半掛車Semi1和Semi2各自讀取到作業(yè)流程；而牽引車Trac和升降機(jī)Elva根據(jù)Semi1和Semi2的需求開展作業(yè)，因此在作業(yè)流程方案中沒有與它們對(duì)應(yīng)的作業(yè)流程。

2.1.2 環(huán)境數(shù)據(jù)采集

對(duì)某個(gè)智能體而言，環(huán)境不僅包括作業(yè)環(huán)境，還包括所有作業(yè)實(shí)體的狀態(tài)信息，以及智能體間相互發(fā)送的消息。各智能體在仿真循環(huán)中，執(zhí)行模塊向系統(tǒng)發(fā)送自身當(dāng)前狀態(tài)，系統(tǒng)將這些信息匯總到一個(gè)作業(yè)實(shí)體狀態(tài)列表中供其他智能體采集。列表涵蓋所有智能體的必要狀態(tài)，包括每個(gè)作業(yè)實(shí)體的序號(hào)、類型、坐標(biāo)，及其正在執(zhí)行的作業(yè)類型等。為減少系統(tǒng)運(yùn)算負(fù)荷，智能體不用采集所有的環(huán)境數(shù)據(jù)。在作業(yè)案例中，當(dāng)Semi2等待Semi1離開時(shí)，僅需要采集Semi1的位置狀態(tài)；當(dāng)Semi2被Trac牽引之后，為獲取運(yùn)動(dòng)學(xué)仿真結(jié)果，Semi2需要采集Trac的運(yùn)動(dòng)狀態(tài)。2.2 控制模塊

控制模塊負(fù)責(zé)對(duì)感知數(shù)據(jù)進(jìn)行分析，開展思考過(guò)程并控制智能體的行為，此外，為實(shí)現(xiàn)多智能體協(xié)作，控制模塊需要解析其他智能體發(fā)來(lái)的協(xié)作需求消息，并生成自身協(xié)作需求消息。本系統(tǒng)智能體的思考過(guò)程基于BDI模型，該模型的基本概念由Bratman等于1988年提出，是指一種將思考過(guò)程描述為信念（Belief）、愿望（Desire）、意圖（Intention）及其相互關(guān)系從而實(shí)現(xiàn)智能體思考功能的模型，是近年來(lái)計(jì)算機(jī)學(xué)術(shù)界廣泛研究的一種智能體結(jié)構(gòu)［10-11］。

2.2.1 信念調(diào)整

信念b是指智能體對(duì)環(huán)境和自身的認(rèn)識(shí)的集合。在本系統(tǒng)中，智能體的信念b的內(nèi)容包括：來(lái)自感知模塊的作業(yè)流程和當(dāng)前時(shí)刻環(huán)境數(shù)據(jù)；來(lái)自身思考過(guò)程的中間信息，例如智能體的愿望集D、意圖集I等。信念調(diào)整模塊首先存儲(chǔ)作業(yè)流程，然后根據(jù)作業(yè)流程確定哪些環(huán)境數(shù)據(jù)需要被采集，以便感知模塊去采集環(huán)境數(shù)據(jù)，隨后，將采集的數(shù)據(jù)存儲(chǔ)到信念b中；另一方面，一旦智能體調(diào)整了愿望d或意圖i，也將更新信念b中的愿望集D或意圖集I。下一輪仿真循環(huán)時(shí)，信念調(diào)整模塊將結(jié)合作業(yè)流程、愿望集D和意圖集I共同確定哪些環(huán)境數(shù)據(jù)需要采集。

2.2.2 愿望調(diào)整

愿望d是指可能實(shí)現(xiàn)的信念集合，即智能體執(zhí)行作業(yè)的目標(biāo)。本系統(tǒng)中智能體有兩種方法生成愿望，一種是根據(jù)作業(yè)流程方案生成愿望，在作業(yè)案例中，半掛車Semi1和Semi2的愿望集DSemi1= DSemi2={d1， d2}， d1={pInElva=True}， d2={pOnDeck=G2}。另一種是根據(jù)收到的協(xié)作需求消息生成愿望，例如Semi1向Trac發(fā)出協(xié)作需求消息，Trac收到消息后生成愿望集DTrac=syggg00， d={R=Semi1， pInElva=True }。

2.2.3 意圖調(diào)整

意圖i是基于愿望所生成的行為或作業(yè)步驟的集合，本系統(tǒng)智能體基于規(guī)則庫(kù)直接生成意圖，在作業(yè)案例中，Trac生成愿望集DTrac后，根據(jù)規(guī)則庫(kù)需要生成5項(xiàng)具有串聯(lián)關(guān)系的意圖，內(nèi)容依次為“空載行駛到半掛車前”、“掛鉤”、“牽引到升降機(jī)”、“脫鉤”和“空載行駛離開升降機(jī)”。因此有意圖集ITrac={i1， i2， i3， i4， i5}， i1={A=Steer，R=Semi1}， i2={A=HangerOn}， i3={A=Drag， R=Semi1，（pInElva=True）∈R}， i4={A=HangerOff}， i5= {A=Steer，pInElva=False}。

2.2.4 作業(yè)規(guī)劃

智能體形成意圖集I后，根據(jù)規(guī)則庫(kù)，規(guī)劃行為的具體執(zhí)行方法和其他必需的輔助行為。從愿望調(diào)整到意圖調(diào)整、再到作業(yè)規(guī)劃的過(guò)程可視為“對(duì)一個(gè)大的目標(biāo)逐步細(xì)化執(zhí)行方案”的過(guò)程。作業(yè)系統(tǒng)中通常僅有一部分作業(yè)需要規(guī)劃，在作業(yè)案例中，對(duì)于牽引車的意圖i2和i4僅需要簡(jiǎn)單的計(jì)算，而對(duì)于i3，則需要為作業(yè)步驟A=Drag規(guī)劃路徑。本文使用改進(jìn)的RRT法，結(jié)合牽引系統(tǒng)的行駛能力，以及牽引系統(tǒng)的幾何模型與環(huán)境碰撞檢測(cè)的結(jié)果，規(guī)劃牽引車的路徑。

2.2.5 作業(yè)執(zhí)行

檢查作業(yè)的執(zhí)行情況，根據(jù)作業(yè)執(zhí)行情況確定當(dāng)前的作業(yè)步驟，并調(diào)用執(zhí)行模塊來(lái)實(shí)現(xiàn)作業(yè)。以牽引車行駛為例，牽引車智能體輸出轉(zhuǎn)向輪的方向角、轉(zhuǎn)向輪方向、制動(dòng)度等數(shù)據(jù)變化，發(fā)送到執(zhí)行模塊進(jìn)行動(dòng)力學(xué)運(yùn)動(dòng)學(xué)仿真。

2.3 執(zhí)行模塊

執(zhí)行模塊負(fù)責(zé)根據(jù)控制模塊的輸入執(zhí)行具體的作業(yè)過(guò)程運(yùn)算，算法均采用目前較為成熟的技術(shù)。

（1）甲板約束：模擬車輛因受重力影響被約束在甲板、跳板上，在行駛時(shí)產(chǎn)生上下起伏。

（2）簡(jiǎn)單響應(yīng)計(jì)算：無(wú)需仿真計(jì)算，僅受簡(jiǎn)單規(guī)則控制的計(jì)算，例如掛鉤、脫鉤等作業(yè)步驟在建模簡(jiǎn)化后僅體現(xiàn)出耗時(shí)屬性。

（3）行為動(dòng)畫：實(shí)體有空間狀態(tài)變化，但較簡(jiǎn)單，無(wú)需仿真計(jì)算，例如升降機(jī)沿直線上升或下降。

（4）動(dòng)力學(xué)運(yùn)動(dòng)學(xué)仿真：實(shí)體狀態(tài)變化明顯且復(fù)雜，需要運(yùn)行仿真計(jì)算，例如牽引車行駛速度受自身與半掛車質(zhì)量、發(fā)動(dòng)機(jī)功率、行駛阻力和甲板約束等動(dòng)力學(xué)因素影響，半掛車行駛軌跡受牽引車行駛軌跡、牽引車與半掛車輪子位置、半掛車輪子與掛鉤的距離等運(yùn)動(dòng)學(xué)因素影響。

（5）碰撞檢測(cè)：檢測(cè)半掛車和集裝箱在被牽引過(guò)程中是否會(huì)發(fā)生與艙壁或其他集裝箱的最小距離小于安全距離的情況。

（6）狀態(tài)生成：通過(guò)各種計(jì)算后生成智能體的當(dāng)前時(shí)刻狀態(tài)，用于反饋給系統(tǒng)。

基于多智能體的仿真系統(tǒng)與傳統(tǒng)的面向腳本的仿真系統(tǒng)相比，基本的結(jié)構(gòu)相同，都使用具有時(shí)間步長(zhǎng)的仿真循環(huán)，在每次仿真迭代中遍歷所有作業(yè)實(shí)體并計(jì)算其在該時(shí)刻的狀態(tài)。不同之處在于，在基于智能體的仿真系統(tǒng)中，所有作業(yè)實(shí)體都增加了對(duì)環(huán)境感知和對(duì)自身控制的功能模塊，不再簡(jiǎn)單執(zhí)行來(lái)自腳本的指令；此外，作業(yè)執(zhí)行的相關(guān)運(yùn)算（例如數(shù)學(xué)仿真運(yùn)算、行為動(dòng)畫等），都被封裝到對(duì)應(yīng)智能體的實(shí)例內(nèi)，而其算法仍與傳統(tǒng)的仿真相同。從這兩個(gè)不同點(diǎn)出發(fā)，對(duì)傳統(tǒng)的面向腳本的仿真系統(tǒng)進(jìn)行重構(gòu)，可較易實(shí)現(xiàn)基于多智能體的仿真。

3 多智能體協(xié)作

多智能體協(xié)作是指系統(tǒng)內(nèi)的智能體之間通過(guò)相互配合完成共同承擔(dān)的任務(wù)的方式［1］。本文將協(xié)作視為一種由多個(gè)智能體執(zhí)行的、具有交互性和并行性的特殊作業(yè)。交互性是指參與協(xié)作的各智能體之間互相交換自身狀態(tài)信息，即協(xié)作的一方需要感知協(xié)作對(duì)象的信息。并行性是指參與協(xié)作的各智能體并行執(zhí)行作業(yè)，即同時(shí)開始執(zhí)行作業(yè)。本文從協(xié)作消息和協(xié)作機(jī)制兩方面進(jìn)行論述。

3.1 協(xié)作消息

本系統(tǒng)中智能體之間依靠消息來(lái)傳遞協(xié)作的意愿，消息采用知識(shí)查詢及操作語(yǔ)言（Knowledge Query and Manipulation Language， KQML）來(lái)描述，這是一種使用較廣泛的智能體通訊語(yǔ)言［14-15］?；菊Z(yǔ)法為：以行為詞（Performative）開頭，以一組具有標(biāo)準(zhǔn)含義的參數(shù)名（Para_name）構(gòu)成消息的框架，將參數(shù)內(nèi)容（Para_content）向用戶開放。在作業(yè)案例中，半掛車Semi1發(fā)消息給牽引車Trac告知自身愿望d1={pInElva=True}，消息代碼如圖3所示。

3.2 協(xié)作機(jī)制

協(xié)作在本質(zhì)上仍是一種作業(yè)，其執(zhí)行過(guò)程與常規(guī)作業(yè)的執(zhí)行過(guò)程一致，而規(guī)劃過(guò)程則有所不同。本文基于BDI模型建立協(xié)作規(guī)劃?rùn)C(jī)制，如下頁(yè)圖4所示。從圖中可見，規(guī)劃過(guò)程仍可歸納為愿望調(diào)整、意圖調(diào)整和作業(yè)規(guī)劃這三大步驟，見三個(gè)虛線框；與常規(guī)的愿望-意圖-作業(yè)規(guī)劃的過(guò)程相比，智能體還要判斷愿望、意圖對(duì)于協(xié)作對(duì)象當(dāng)時(shí)狀態(tài)來(lái)說(shuō)是否合理，以及作業(yè)規(guī)劃對(duì)于協(xié)作對(duì)象是否成功（見虛線框內(nèi)）。在作業(yè)案例中，Trac創(chuàng)建了意圖i3={A=Drag， R=Semi1， （pInElva=True）∈R}，當(dāng)i2達(dá)成之后，Trac需要感知Semi1的屬性pInElva是否為False，如果為True，則i3不成立，系統(tǒng)將判斷作業(yè)過(guò)程出錯(cuò)。

為確保協(xié)作的并行性，系統(tǒng)建立“被動(dòng)者先行”的機(jī)制。以作業(yè)案例中Trac牽引Semi1前進(jìn)為例，其各自執(zhí)行的作業(yè)分別是Drag和BeDrag。在作業(yè)開始前，由Trac向Semi1發(fā)送開始執(zhí)行的消息，Semi1收到后發(fā)出回應(yīng)消息并開始執(zhí)行BeDrag作業(yè)，Trac收到回應(yīng)消息后開始執(zhí)行Drag作業(yè)。這種機(jī)制使Semi1比Trac開始執(zhí)行作業(yè)的時(shí)刻早一輪仿真循環(huán)，但鑒于Semi1是協(xié)作中處于“被動(dòng)”的一方， 它提前開始執(zhí)行作業(yè)，就可提前開始感知Trac的運(yùn)動(dòng)狀態(tài)，從而獲得Trac運(yùn)動(dòng)狀態(tài)的完整變化。

4 仿真運(yùn)行

本系統(tǒng)基于多智能體仿真為第1章所述的卸載作業(yè)進(jìn)行建模和試驗(yàn)，僅向半掛車Semi1、Semi2發(fā)送依次前往G2的消息，并在三維場(chǎng)景中觀察系統(tǒng)運(yùn)行的情況?？梢姼鱾€(gè)智能體自行開始作業(yè)，牽引車Trac1收到半掛車Semi1的消息后前往半掛車，與半掛車掛鉤后執(zhí)行牽引作業(yè)；半掛車到達(dá)升降機(jī)后，牽引車脫鉤離開升降機(jī)，隨后升降機(jī)運(yùn)輸半掛車下降到G1甲板；同時(shí)牽引車Trac2也牽引半掛車Semi2來(lái)到升降機(jī)前，等待升降機(jī)返回。在這一系列作業(yè)過(guò)程中，牽引車和升降機(jī)的所有作業(yè)步驟都由智能體自行規(guī)劃執(zhí)行，無(wú)需參試人員額外指定作業(yè)（作業(yè)場(chǎng)景如圖5所示）。

由圖5中可見牽引車Trac1已與半掛車Semi1脫鉤，單獨(dú)行駛；半掛車Semi1正在被升降機(jī)Elva運(yùn)輸下降；牽引車Trac2正牽引半掛車Semi2向升降機(jī)位置行駛過(guò)來(lái)。

5 結(jié) 論

通常在作業(yè)方案中會(huì)有很多作業(yè)步驟之間存在必然的條件關(guān)系，例如牽引車必須在與半掛車掛鉤之后才能牽引。在傳統(tǒng)的基于腳本和條件判斷的仿真中，這些必然的條件關(guān)系與其他作業(yè)步驟混在一起，都需要方案設(shè)計(jì)人員進(jìn)行規(guī)劃，從而造成作業(yè)方案的復(fù)雜性大幅增加。而在基于多智能體的仿真系統(tǒng)中，各類作業(yè)實(shí)體有各自的規(guī)則庫(kù)，開發(fā)人員在其中設(shè)置規(guī)則，描述智能體在各種可能的條件下會(huì)作出的響應(yīng)。這些規(guī)則分散在愿望、意圖和作業(yè)規(guī)劃這三個(gè)層面上，且具有通用性，便于作業(yè)方案設(shè)計(jì)人員隱藏，從而使基于多智能體的仿真大幅簡(jiǎn)化作業(yè)方案的設(shè)計(jì)工作。因此，基于多智能體的仿真技術(shù)更加適合用于作業(yè)方案復(fù)雜且需要作業(yè)實(shí)體間密切協(xié)作的作業(yè)仿真，除車輛裝載卸載以外，還有鉆探設(shè)備裝配作業(yè)、物探設(shè)備收放作業(yè)、碼頭集裝箱作業(yè)等，具有廣泛的應(yīng)用前景。

［1］ 賈利民， 劉剛， 秦勇. 基于智能Agent的動(dòng)態(tài)協(xié)作任務(wù)求解［M］. 北京：科學(xué)出版社， 2007.

［2］ 任海英. 多智能體方法在作業(yè)車間調(diào)度中的應(yīng)用［M］.北京：北京工業(yè)大學(xué)出版社， 2013.

［3］ 廖守億， 王仕成，張金生. 復(fù)雜系統(tǒng)基于Agent的建模與仿真［M］.北京：國(guó)防工業(yè)出版社， 2015.

［4］ MACAL C M， North M J. Tutorial on agent-based modelling and simulation［J］. Journal of Simulation， 2010（3）：151-162.

［5］ 吳向君， 侯岳， 浦金云. 艦艇抗沉過(guò)程的多智能體仿真模型［J］. 艦船科學(xué)技術(shù)， 2011（5）： 53-58.

［6］ 胡嘯. 多主體建模方法在艦船任務(wù)系統(tǒng)中的應(yīng)用［J］.計(jì)算機(jī)工程與設(shè)計(jì)， 2013（3）： 1137-1140.

［7］ 秦久峰， 曾凡明， 陳于濤， 等. 動(dòng)力輔助系統(tǒng)分布式多Agent 控制理論與試驗(yàn)研究［J］. 中國(guó)造船， 2013（1）：189-196.

［8］ 江建宇. 共享腹地港口群集疏運(yùn)系統(tǒng)智能體仿真研究［D］. 華南理工大學(xué)， 2014.

［9］ 王孝平， 董秀成 鄭海春， 等. 實(shí)時(shí)三維虛擬現(xiàn)實(shí)開發(fā)技術(shù)［M］. 成都：西南交通大學(xué)出版社， 2012.

［10］ O’Hare GM P， Jennings N R Eds. Foundations of Distributed Artificial Intelligence［M］ . John Wiley & Sons，Inc. 1996：505-526.

［11］ 姚莉， 龔勇， 王長(zhǎng)纓， 等.一種基于BDI Agent的復(fù)雜系統(tǒng)設(shè)計(jì)建模方法［J］. 小型微型計(jì)算機(jī)系統(tǒng)， 2005（4）：693-698.

［12］ 曹軍海， 張和明， 熊光楞.多Agent仿真中Agent行為的形式化描述方法［J］. 系統(tǒng)仿真學(xué)報(bào)， 2004（11）：2398-2400.

［13］ 馮松軍. 淺析形式化描述方法的應(yīng)用［J］. 電子技術(shù)與軟件工程， 2014（10）：107-108.

［14］ 孫憲鵬， 張宇， 王成恩， 等. 基于KQML語(yǔ)言的合同網(wǎng)協(xié)議模型及實(shí)現(xiàn)［J］. 信息與控制， 2000（5）： 454-460.

［15］ 程紅斌， 張鳳鳴， 鄒強(qiáng). 基于CORBA的多傳感器管理原型系統(tǒng)研究［J］. 系統(tǒng)仿真學(xué)報(bào)， 2006（2）： 456-459.

MARIC設(shè)計(jì)的2 000 m3/h自航吸盤挖泥船“吸盤4”順利交付

7月5日，由中國(guó)船舶及海洋工程設(shè)計(jì)研究院（MARIC）為長(zhǎng)江航道局設(shè)計(jì)的第三艘2 000 m3/h自航吸盤挖泥船“吸盤4”在江蘇海新船務(wù)重工有限公司舉行了交接儀式，標(biāo)志著該船順利建成交付船東使用。

“吸盤4”主要用于長(zhǎng)江中游航道的應(yīng)急維護(hù)疏浚任務(wù)，該船作業(yè)區(qū)域可覆蓋長(zhǎng)江A、B、C三級(jí)航區(qū)（含三峽庫(kù)區(qū)）。該船配備了寬度為10 m的吸盤裝置，最大挖深可達(dá)16 m；配備了1臺(tái)功率為2 800 kW的泥泵以及2臺(tái)功率為500 kW的高壓沖水泵。該船可采用拋錨絞進(jìn)及自航推進(jìn)兩種疏浚作業(yè)方式，可通過(guò)尾排管排泥上岸或通過(guò)邊拋管進(jìn)行邊噴拋泥。吸盤挖泥船具有吃水淺、一次挖寬大、泥泵吸入濃度高、調(diào)遣方便、采用自航推進(jìn)作業(yè)和邊拋排泥方式時(shí)不礙航等特點(diǎn)，特別適用于長(zhǎng)江航道突擊搶通和維護(hù)疏浚作業(yè)需求。

2 000 m3/h自航吸盤挖泥船采用全電力驅(qū)動(dòng)型式，能將推進(jìn)功率和疏浚裝置功率靈活進(jìn)行分配，在滿足設(shè)計(jì)指標(biāo)的基礎(chǔ)上，可在不同環(huán)境條件、不同挖深作業(yè)工況下，通過(guò)合理的功率分配調(diào)整，進(jìn)一步提高挖泥產(chǎn)量或排泥距離，充分發(fā)揮吸盤挖泥船的作業(yè)能力和效率。

“吸盤4”的交付將大大增強(qiáng)長(zhǎng)江中游航道的應(yīng)急維護(hù)疏浚能力，為長(zhǎng)江航道局保障長(zhǎng)江航道暢通、實(shí)現(xiàn)長(zhǎng)江黃金水道向國(guó)家戰(zhàn)略重要支點(diǎn)的轉(zhuǎn)型升級(jí)提供堅(jiān)實(shí)的保障能力。

Multi-agent simulation of loading and unloading operation system for vehicle carrier

YAN Li1,2LIU Zhen-ming1,2
(1. Marine Design & Research Institute of China, Shanghai 200011, China; 2. Shanghai National Engineering Research Center of the Chinese Ship Design Technology Co., Ltd., Shanghai 200011, China)

As one of the ship operation systems, the traditional vehicle loading and unloading operation system based on the script and condition judgement has the disadvantages of the poor expansibility and the high cost of modeling, which cannot meet the development trend of the current operation system. A multi-agent system is designed for the simulation of the vehicle carrier loading and unloading operating system. The intelligent control module based on the belief-desire-intention (BDI) model is built for the design of the multi-agent cooperative mechanisms according to the characteristics of the loading and unloading operation system. The simulation results show that the tractors, semitrailers and elevators can work on their own, indicating that the agent-based simulation can simplify the modeling of the working fl ow. The design can be extended for the simulation of the various ship operation systems that interact and cooperate with the multiple entities, which has a broad application prospect.

multi-agent; vehicle carrier; operating system simulation; belief-desire-intention(BDI)model

U662.9

A

1001-9855（2017）04-0019-08

10.19423 / j.cnki.31-1561 / u.2017.04.019

2016-12-22；

2017-01-10

顏 瓅（1978-），男，高級(jí)工程師，研究方向：船舶作業(yè)系統(tǒng)仿真研究。劉朕明（1988-），男，工程師，研究方向：船舶初步設(shè)計(jì)系統(tǒng)開發(fā)。