谢国财，李朝晖

（华中科技大学 水电与数字化工程学院，湖北 武汉 430074）

0 引言

水电机组的状态监测CM（Condition Monitoring）技术蓬勃发展［1-2］，国内外出现了许多专项状态监测与诊断系统，在专项监测领域取得了不错的效果，并朝着具有自诊断、自完善能力的个体智能体IIA（Individual Intelligence Agent）方向发展。

然而，这些IIA之间没有形成有效沟通与交互的机制，缺乏团体协作与关联动作能力，使机组各子系统的运动状态不能充分融合，因而难以进行综合的分析与诊断，而水电机组的健康状况受到电气、机械、水力等因素耦合、关联的影响，仅依靠局部、无关联的状态数据难以作出准确的分析与诊断。为此，开展了基于 Community Intelligence［3-5］的水电机组融合监测方法研究，其基本目标是：加强各IIA之间的交互性，使之具备团体协作与关联动作能力，确保不同来源、异构的状态数据实现有机融合，便于开展综合的分析与诊断，进一步提高分析与诊断结果的准确性、全面性与可靠性。

为了区别于IIA，将基于Community Intelligence的机组融合监测系统中的智能体定义为CIA（Community Intelligence Agent），其最鲜明的特点是具备实时交互与协作能力。各CIA组成一个团体，模仿人类团体的思维与行为方式，它们之间既有明确的分工与职责，又有必需的协作与关联动作［3-5］。

融合监测不能等同于集合监测，不是生硬地将不同CIA获取的状态数据拼凑、集合在一起，而是必须利用各种先进技术手段确保状态数据之间的有机联系，使来源不同的状态数据实现真正意义上的融合。

1 基于CIA模型的融合监测框架

1.1 CIA模型

融合监测系统中的每个CIA，既是高度自治的个体（individual），具备求解局部问题的领域知识，通过归纳、学习达到自我完善；……