现代机电系统自动化水平日益提高,系统的规模逐步扩大,系统构成更加复杂,其子系统的关联程度越来越密切,同时,故障发生的可能性大大增加,表现方式也各式各样,并且一个故障源可能引起链式反应,导致更大故障发生,这些特点给系统的故障诊断带来了前所未有的困难。另一方面,对于大型复杂机电设备的安全稳定运转、故障的早期预测、推行预知维修管理、减少由于故障和维修带来的经济损失成为现代企业追求的目标。为此,找到合适的状态监测和故障诊断方法是科技工作者重要的研究方向。本文研究的大型复杂机电设备,其故障的多样性、突发性、渐进性以及并发性等特点决定了对它的故障诊断是一个非常复杂的系统工程。采用各种相互独立的诊断系统,已经不能适应实际设备的诊断需求,特别是由多台装备组成的分布式复杂机电系统。目前,随着分布式人工智能的发展,基于多Agent的系统为大规模复杂诊断系统的设计和实现提供了一条很好的途径,使得诊断系统朝智能化、网络化的方向发展。论文提出了一个多Agent分布式故障诊断问题协作求解的模型FMAS,该模型融多Agent消息传递、相互协作和智能诊断机制为一体。在该模型中,各个具有诊断功能的独立Agent并行地执行本地的诊断任务,同时和其他诊断Agent交换相关的信息,各Agent之间相互核对校正,相互协同,这样就可以和多个人类专家一样合作完成总体的故障诊断任务。论文详细描述了多Agent框架中各Agent的角色和功能,并讨论了其在实际应用中的部署方法,给出了面向诊断对象的部署方案和方法。为了更好地共享和交换诊断知识和有关信息,针对多Agent协商过程的不确定性,研究了多Agent诊断网络构成和协同诊断方法。在多个Agent系统中,协作不仅能提高单个Agent以及由多个Agent所形成系统的整体行为的性能,增强Agent及Agent系统解决问题的能力,还能使系统具有更好的灵活性。本文采用合同网协议来完成多Agent间的协作,并针对经典合同网协议中的不足进行了改进,提出了一种改进的动态合同网协议P-CNP来完成多任务并发状态的协作。实验证明了改进的合同网协议提高了系统效率,不仅扩展了经典协作的理论和方法,也进一步增强了其在实际中的应用能力。P-CNP被用于多个Agent之间的通信,保证了诊断系统的及时性。仿真结果和实验分析用于证明论文提出方法的有效性。在诊断方法方面针对多Agent信息的冲突性,研究了多Agent的信息融合,提出了一种多层时空域D-S证据理论信息融合故障诊断模型(MT-TS-DS),结合Agent技术来实现分布式故障诊断。该方法把故障诊断过程分为两层,局部时间域诊断结果融合和全局空间域诊断结果融合。对于同一被诊断对象,时间域的融合可以避免同一测点由于时间不同带来的诊断不确定性,空间域的融合可以使得各个测点的诊断结果相互参照,增加诊断最终结果的可靠性。不同测点和同一测点的不同的时间段可以采用不同的特征提取方法(时域分析、小波分析等)和多种智能故障诊断方法(如BP神经网络、RBF神经网络、支持向量机等),这也避免了单一方法运用造成的诊断偏差。多Agent信息融合技术的使用,使得分布式故障诊断系统具有集体的智能性、较好的健壮性与容错性。以某选煤厂的大型机电设备为背景,对该选煤厂关键设备的诊断进行了研究。采用文章中提出的多Agent故障诊断架构和故障诊断方法,设计并实现了基于FMAS的选煤厂机电设备诊断系统。详细阐述该系统的设计和实现的各个环节,详细分析了系统软件的实现方法。对传感器布置、系统拓扑结构、软件功能等方面作了描述,并用具体实例说明了如何综合利用该系统进行分布式智能故障诊断。