基于前后文n_gram模型的古汉语句子切分(3)

出装配顺序，并根据注册的装配资源将各部的装配分解成3大类装配操作：装配操作(如拧、插等),搬运操作(如定位、装载、卸载等)和存取操作(如从自动仓库取或存到自动仓库等)，并将结果返回给TP_MA；

(5)TP_MA分别将3类操作任务分别下达给R_MA、C_MA和S_MA；

(6)R_MA、C_MA和S_MA对来自TP_MA的任务进行分析处理后，分别向其所在的联邦agent内部的普通agent进行招标；

(7)邦联agent内部的各普通agent向本联邦agent的调度agent进行投标；各装配设备联邦agent中的调度agent根据投标的情况和优化准则，确定本操作的责任完成者，并通过路径⑥通知相应的执行agent；

(8)R_MA、C_MA和S_MA分别应答TP_MA的任务安排；

(9)各装配资源联邦agent保证相互之间操作的时间和位置关系的正确，通过其各自的调度agent，相互协商，互相通报操作执行情况，以便协调控制各资源联邦之间协调工作。

图4给出了图2装配系统内任务分配和协作的一个过程，在实际工作中，这个过程可能是个反复循环的，有时又是局部的，直到完成装配任务为止。

设备为1台输送线和1台自动小车。自动存取设备用的是自动存储和存取系统(Kardex AS/RS)。各计算机之间用以太网联结，而计算机与各操作设备之间的联结用的是串口连接，用RS232协议通信。

2.2 实验系统的软件开发平台

本系统是在JADE(Java Agent Development )框架下开发的。装配系统中的各agent的通信协作是在JADE平台上工作的，如图2。在JADE中，用户定义的Agent是在被放在agent容器中，容器可以在一台或多台安装有JADE的系统中。这些agent可以相互之间发送agent通信语言(agent communication language, ACL)。

2.3 实验运行情况

目前，系统编程和调试工作主要集中在系统中各agent之间的任务分配和协作方面。该系统可以实现整个装配操作的控制和各个相对独立的机器人之间的协调配合。

3 总结与展望

基于联邦agent结构的装配系统可以实现系统结构层次化、系统的任务分解化、系统的运行智能化，因此，系统在运行过程中，既能够局部自主运行，又能够全局协调优化，这使得系统在结构上具有更大的可扩充性、重用性和鲁棒性，较好地适应了柔性装配系统的性能要求。当然，本文提出的这种柔性装配系统只是个初步的原型，系统中各个agent的执行、通信和协作等功能的全面实现有待进一步研究、实验。

参考文献

1 魏东源, 朱文坚. 柔性装配系统的总体评价[J]. 机械, 1999, 26(4): 5-7.

2 Tang H P, Wong T N. Reactive Multi-agent System for Assembly Cell Control[J]. Robotics and Computer-integrated Manufacturing, 2005, 21(2): 87-98.

3 赵春霞, 杨静宇, 王树国, 等. 基于多Agent的机器人装配系统结构[J]. 系统仿真学报, 2000, 12(3): 252-255.

4 黄 强, 林兰芬, 陈 刚, 等. 基于招投标/仲裁机制的多Agent智能工艺设计系统[J]. 计算机辅助设计与图形学学报, 2001, 13(12): 1-6.

5 Khedro T. A Distributed Problem-solving Approach to Collaborative Facility Engineering[J]. Advances in Engineering Software, 1996, 25(3): 243-252.

6 郭银章, 徐玉斌, 普建潮. 基于Agent代理机制的分布式应用系统研究[J]. 计算机工程与应用, 2003, 39(14): 213-215.

7 任 明, 王成道. 基于联邦结构的多Agent协作[J]. 华东理工大学学报, 2004, 30(3): 311-314.

图4 装配系统中的任务分配和协作示意图

2 应用试验

为了能够对前面介绍的基于联邦agent的装配系统的运

行控制能力进行实验验证，我们依照图2的结构构建了装配系统实验系统。

2.1 实验系统的设备构成

该实验系统的硬件组成是：TPFA中用了1台联想天骄6010计算机。RFA、CFA和SFA中的各agent用的是联想开天4600P4。RA1、RA2和RA3中的装配机器人分别为2台PUMA762和1台Yamaha装配机器人。CA1和CA2中输送

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

（上接第193页）

3 Chen, Stanley F, Goodman J. An Empirical Study of Smoothing Techniques for Language Modeling[R]. Center for Research in Computing Technology, Harvard University, Technical Report: TR-10-98, 1998.

4 Lidstone G J. Note on the General Case of the Bayes-laplace Formula for Inductive or a Posteriori Probabilities[J]. Transactions of the

Faculty of Actuaries, 1920, (8): 182-192.

5 Manning C D, Schutze H. 统计自然语言处理基础[M]. 苑春法, 译. 北京: 电子工业出版社, 2005.

6 丁国栋. 统计语言建模中的平滑技术[R]. 中科院计算所软件室LCC组, 2004.

——196