硕士学位论文-基于人工免疫系统控制方法的研究.pdf

河北工业大学硕士学位论文基于人工免疫系统控制方法的研究姓名：王贵丽申请学位级别：硕士专业：控制理论与控制工程指导教师：周颖20081101河北工业大学硕士学位论文i基于人工免疫系统控制方法的研究基于人工免疫系统控制方法的研究基于人工免疫系统控制方法的研究基于人工免疫系统控制方法的研究摘摘摘摘要要要要工业发酵是在密闭的容器中进行，利用夹套进行加热和冷却，其温度控制具有很大的应用价值。但这种被控对象往往存在严重的积分纯滞后现象，采用常规的控制算法难以达到所要求的控制品质，尤其是对超调量有较严格的限制时，常规的PID等算法很难达到令人满意的效果。本文从实际出发，以发酵罐装置为研究对象，对这个受随机因素干扰的、具有大惯性、纯滞后的非线性随机过程进行了研究。文中着重研究了模糊系统、免疫系统和PID控制融合的可行性及融合方式，提出了一种复合式控制方法模糊自适应免疫PID控制算法，并将此算法与常规PID控制算法、模糊自整定PID控制算法进行了仿真比较。本文的主要研究内容有如下几个方面：1、分析了生物发酵过程的特点，着重阐述了现今发酵控制方案控制效果不理想的原因；2、综述了PID控制、模糊控制、免疫反馈控制的发展和研究现状，分析了三种控制方法的优缺点。3、借鉴自然免疫系统的自调整、自组织的特性，与常规的PID相结合得到免疫PID控制，再结合模糊控制，以及自适应控制各自的优点，针对发酵罐温度的控制特点和难点，提出了模糊自适应免疫PID控制算法并对它进行了详细的分析设计。4、以简化的发酵罐模型为控制对象，在MATLAB中对本文提出的模糊自适应免疫PID控制算法进行仿真试验，并与常规PID控制算法、模糊自整定PID控制算法进行仿真比较。仿真结果表明，本文所提出的算法不仅具有超调量小、调整时间短、强抗干扰性和良好的动、静态性能，而且系统设计方法简单，为该算法的实际应用奠定了基础。5、分析了FG-3000控制系统的体系结构，详细介绍了温度控制系统的结构、控制方案。同时，把模糊自适应免疫PID控制算法应用到该系统中，取得快速、精确、稳定的控制效果，相比于常规PID控制算法和模糊自适应PID控制算法，具有较快的响应速度，较小的超调。关键词关键词关键词关键词：生物发酵，温度控制，免疫PID控制，模糊控制，自适应控制基于人工免疫系统控制方法的研究iiSTUDYONOFCONTROLBASEDONARTIFICIALIMMUMESYSTEMABSTRACTIndustrialfermentationutilizesjackettoachieveheatingandcoolinginaclosedvesselin.Intheprocesstemperaturecontrolisveryimportant.Howeverthecontrolledobjectusuallyexistseriousintegratorplustimedelayphenomenonsotheconventionalcontrolarithmeticisdifficulttoreachtherequiredcontrolquality，especiallywithmorestrictrestrictiononovershoot.Inviewofpracticaluse，takingthefermentordeviceascontrolledplantthethesisstudiesthenonlinearstochasticporcesswithbiginertia，purelagandcasualdisturbance.Thecombinationfeasibilityandmodeoffuzzysystem，immunesystemandPIDcontrolarestudied，andthenacompoundcontrolscheme-fuzzyadaptivePIDcontrolthatbasedontheimmunfeeedbackmechanismisproposed，alsothecomparisonamongcompoundcontrol，PIDcontrolandfuzzyself-adjustedPIDcontrolismadeinsimulation.Themainresearchworkandcontributionofthisdissertationareasfollows：1.Thischapteranalysesthecharactersofbiologicalfermentationprocess，andmainlyintroducesthereasonsofthebadtemperaturecontrolperanceinbiologicalfermentationprocess.2.AsurveyofresearchactualityanddevelopmentofPIDcontrol，fuzzycontrolandimmunefeedbackcontrolismadeandtheirmeritsandfaultsaredeeplyanalyzed.3.Accordingtothecharacteristicsanddifficultiesofthefermentorcontrolbyusingforreferenceofthecharacteristicsofself-adjustingandself-organizationofnaturalimmunesystemandcombiningtheadvantagesoftraditionalPIDcontrolfuzzycontrolandtheadaptivecontrol，afuzzyadaptiveimmunePIDcontrolisproposedinthispaperanddesignedindetail.4.ThesimplifiedmodeloffermentoristakenascontrolledplantandsimulationexperimentsaremadeforthearithmeticoffuzzyadaptivePIDbasedonimmunefeedbackcontrolinMATLAB，whichisalsocomparedwithPIDcontrolandfuzzyadaptivePIDcontrol.Simulationresultsshowthatthenewalgorithmhaslowovershootshortregulationtimegooddynamicandstaticperanceanddisturbance-rejectionability.Inaddition，itissimpleforsystemdesigningandtheresearchlaidthegroundwokfortheapplicationofthisarithmeticinindustrialcontrol.5.ThischapteranalysesthesystemstructureofFG-3000controlsystem，alsointroducesthestructureandcontrolschemeoftemperaturecontrolsystemindetails.KEYWORDS：biologicalfermentationtemperaturecontrolimmunePIDcontrolfuzzycontroladaptivecontrol河北工业大学硕士学位论文1第一章第一章第一章第一章绪论绪论绪论绪论1-1选题背景选题背景选题背景选题背景目前，随着全球信息化的快速发展，企业竞争己经逐渐从局部向全球化发展。在激烈的市场竞争和内外环境的压力下，企业若要达到预期的市场占有率和经济效益，提高企业的应变能力和竞争能力，必须提高自己的劳动生产率和节约生产消耗提高企业生产的自动化水平是解决该问题的主要途径。近年来，生物技术得到了迅速发展，生物工程中的许多成果，都需要经过发酵工业而转化为产品，因此发酵工业越来越引起科技界、工业界的重视，发酵罐及发酵系统也在发酵工业中显得越来越重要1。在发酵过程中，绝大部分生产过程均是通过控制原料的温度来控制发酵反应速度。发酵是一个复杂的生化反应过程，发酵过程释放热量，因此温度控制显得尤为重要。但由于发酵对象的时间常数大，易产生超调；发酵过程的不同阶段产生热量的速率不同，对象模型参数变化较大，而参数的辨识又较为困难，冷却水流量与温度关系无法精确测定，这就造成模型的不确定性和参数的时变性所以控制性能较差。在生物发酵过程中，建立该过程的温度控制模型对优化控制、提高产品质量尤为重要。但是由于微生物发酵过程是一个具有严重非线性和滞后性，同时兼有生物、化学、物理和热力变化的较复杂的生化反应过程，是与微生物的生长和代谢活动紧密相联系的生物反应过程，温度、气压、PH值等多项指标对产品的质量至关重要，反应机理复杂，影响因素较多，从过程控制的角度看，属于多变量、强耦合、慢时变的高度非线性过程。目前，基于酶动力学、发酵动力学和生化反应工程的研究建立机理模型的理论建模方法尚不成熟，难以实际应用。无论是通过某些假设导出的机理模型，还是通过实验所得出的控制模型，其适用范围都是有限的，很难准确有效地描述整个控制过程特性，因此对温度控制模型的建立增加了难度。在工业生产过程中温度是重要的控制参数之一对温度的有效控制对于保证生产质量具有重大的现实意义和理论价值。目前常采用PID串级控制策略，PID控制器具有结构简单、容易实现，鲁棒性强等特点，因而被广泛应用于工业过程控制。但在实际的工业过程控制中，像发酵罐这种复杂的系统，被控过程机理复杂，具有高度非线性、时变不确定性和纯滞后等特点，在噪声、负载扰动等因素的影响下，过程控制甚至模型结构都会发生变化。传统的参数固定的PID控制器不能满足控制的要求，但如果PID控制器的参数的整定不依赖于对象的数学模型，且其参数能在线调整，就能很好地满足实时控制的要求。而模糊控制由于其超强的鲁棒性和自适应能力，以及不需系统精确建模等特点而成为PID参数调整工具的首选。模糊控制的突出特点在于2:(1)控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经验知识及操作数据；(2)控制系统的鲁棒性强，适应于解决常规控制难以解决的非线性、时变及滞后问题；(3)以语言变量代替常规的数字变量，易于构造形成专家的“知识”；(4)控制推理采用“不精确推理(approximatereasoning)”，推理过程模仿人的思维过程，由于引入了人类的经验，因而能够处理复杂甚至“病态”的系统。当然模糊控制也有其不足之处，模糊控制容易陷入局部最优，对于全局寻优难以很好地胜任。近年来，随着免疫控制理论的研究与发展，免疫算法在搜索和参数寻优方面的能力和优势己得到了普遍的认可，出现了许多基于免疫算法PID控制器，并已成为自适应PID控制器研究的热点3。这些研究与应用不仅能帮助我们更好地理解免疫算法本身，而且也从一个新的角度审视和解决实际的工程问题。基于人工免疫系统控制方法的研究2总之，生物发酵过程的典型特征是机理复杂、可重复性差，生产过程的波动大大高于其他化工过程。由于种子质量的差异和过程变量(进料、罐温、PH值等)动态控制的偏差，这种波动在很大程度上是无法避免的。生物发酵技术和发酵控制装置是生物技术产业化的基础，也是企业和科技人员关注的焦点。为了减少生产成本，增加产量，提高产品质量，必须将发酵过程准确、自动地控制在适当的状态。生化过程是一个不可逆过程，这就是说所有的控制参数必须控制得非常精确，一旦参数超出规定的限制，就可能造成菌种的死亡，那将对生产造成极大的影响。随着自动化技术的发展，智能控制系统中智能部分的学习、知识获取、规划决策、联想记忆等诸多功能都与系统的信息处理过程有关，因此，信息处理问题变得日益突出，而且智能技术也日益渗透到信息处理中，使信息处理走向智能信息处理的新阶段。生物发酵过程控制作为企业自动化的一部分，随着信息系统的发展，引入免疫信息处理机理将为生物发酵过程控制的发展提供新的契机，是一条值得探索的道路。1-2研究现状研究现状研究现状研究现状目前，生物工程领域正处在一种飞速发展的状态，随着其相关技术的迅速发展，发酵工业已经成为生物工程和生化工程的基础。近几十年，发酵工业越来越发展并趋向旺盛时期，越来越引起科技界、工业界和政府部门的重视。但发酵工业设备的技术却没有跟上生物技术的发展步伐，单就生物发酵罐来说，很多生物工程企业使用的是基本上没有控制或者是只有简单控制的发酵罐，现场操作人员的工作强度很大，而且工作条件恶劣，无法适应当今生产的需求4-6。国外的发酵设备领先于国内，一个重要的特点体现在自动化程度上，如在控制精度方面，PH控制可精确在0.01，温度控制也达到0.1，像法国宝乐菲（Biolafitte），日本丸菱株式会社(B.E.MARUBISHI)的发酵罐系列等；而在国内，很多发酵罐还依然只能将温度控制控制在0.5的范围内或者更差。另外一个很重要的特点就是体现在机械制造方面的制造精度，以及设计的合理性和使用的方便性上。国外的制造业的发展也远远领先于国内，这也是国外的产品性能比国内产品性能好的一个重要的原因。针对当前发酵工业领域里存在的问题，已经有人开始吸收国外的先进经验和技术，将先进的工业控制技术尝试着应用到发酵设备中，采取的手段和方法也各不相同：有的采用专门的工控软件来控制，如上海高机生物工程设备有限公司的BIOF-6000型生物发酵罐系列，有的采用工业用PLC来进行控制，如镇江东方生物工程设备有限责任公司生产的GUCT系列生物发酵罐等等，这些手段的结果相似：如在控制精度方面，PH控制仅可精确在0.05左右，温度控制一般也只在0.5左右。另外，就目前市场上发酵设备控制系统的状况而言，大部分发酵设备的手动部分都大于自动控制部分，整个发酵或者生产过程中，现场操作人员仍然要严密监视生产状况，不断进行检测，并作出相应的反应，也就是说，操作人员的劳动强度并没有真正意义的降低，而且控制精度也受到人员素质、工作熟练程度等的影响，无法达到较高的控制精度，从而严重影响了产品质量和产量的提高。目前，世界上绝大多数人工免疫系统研究成果出自美国、英国、日本，而巴西Campinas大学的Decastro7博士最早在其博士论文中总结了人工免疫系统，并试图建立人工免疫系统的统一框架结构。在人工免疫系统领域取得显著成绩的主要有：利用免疫系统原理研究计算机安全的美国NewMexioc大学计算机科学系的Forrest8博士；研究基于免疫原理的计算机安全和异常检测及工业应用的Missouri大学计算机与数学系的Dasgupta博士；研究数据分析的英国Kent大学的Timmis博士；研究计算机网络入侵的Kings学院的Kim博士；威尔士大学E.Hunt和DensieCooke领导的ISYS研究小组等。此外还有研究故障诊断的日本Nara科学技术学院的Ishida博士；研究机器人的Nagoya大学工程学院信息电子部的Ishiguro博士等。国内对于免疫系统的研究较国外迟。1998年西安电子科技大学的王磊、焦李成等在ICSP98上首河北工业大学硕士学位论文3先提出了一种免疫遗传算法并应用于一种典型的优化问题一TSP的求解中。同年，漆安慎等编辑出版了著作免疫的非线性模型。之后，中国科学技术大学王熙法(1999年)、安徽经济管理干部学院计算机中心的周伟良与中国科学技术大学的曹先彬(1999年)、刘克胜(2000年)等先后提出了各自设计的免疫算法。2000年，刘克胜等继续深入研究，设计出一种人工免疫系统模型及算法，并应用于自行移动机器人的行为控制研究，这篇文章是国内有关免疫模型更为深入的探索。2000年，东华大学的丁永生等在查阅大量文献的基础上发表了有关人工免疫系统研究的综述文章。可以说，这是这方面国内科学界的第一篇较为全面和实用的介绍文章。同年，丁永生等在日本学者TakayukiYamada研究的基础上，提出了基于免疫反馈定理和模糊集概念的非线性PID控制器模型并用于组织温度控制中这是目前国内第一个免疫控制器模型9。随着科学研究的不断深入，对于人工免疫系统的研究，尤其是免疫算法的研究，己逐渐成为人工智能研究领域的一个重要内容。这一领域突出地体现了现代科学发展的多层次、多学科和多领域的相互渗透、相互交叉和相互促进的特点，对信息科学和计算机科学的发展具有重要意义，同时也为工程实践人员提供了许多富有成效的技术和方法。因此，将人工免疫系统的原理应用在控制领域有重要的理论意义和实际应用价值。1-3本文的主要内容本文的主要内容本文的主要内容本文的主要内容本文的主要内容是：1.利用实践环境条件，采集实验数据，查阅相关文献，建立了发酵罐温度控制系统模型；2.利用模糊控制原理和人工免疫系统原理中蕴含的优化思想，设计出应用于发罐罐温度控制的模糊自适应PID控制器和模糊自适应免疫PID控制器；3.利用Matlab仿真软件，分别对常规PID控制系统、模糊自适应PID控制系统和模糊自适应免疫PID控制系统进行对比仿真实验；4.在FG-3000控制系统中，分别对常规PID控制、模糊自适应PID控制和模糊自适应免疫PID控制系统进行对比仿真试验；本文共分五章：第一章绪论部分，介绍了选题背景和免疫系统简介，同时，阐述了本课题的实际意义及本文的组织结构。第二章是基于人工免疫的PID控制系统，介绍PID控制和免疫反馈机理以及免疫PID控制器的设计。第三章是模糊自适应免疫PID控制，介绍了模糊控制系统的原理和特点，模糊自适应免疫PID控制器的结构和原理，并将模糊自适应PID控制和模糊自适应免疫PID控制方法与基本PID控制器控制方法进行了Matlab仿真，通过仿真结果分析各种控制方法的特点。第四章是智能控制方法在生物发酵装置中的实验仿真，介绍了生物发酵装置系统的体系结构，详细研究了该系统的温度控制系统结构，分析了温度分程控制方案同时，把模糊自适应免疫PID控制算法应用到该系统中，取得快速、精确、较稳定的控制效果，相比于常规PID控制和模糊自适应PID控制算法，具有较快的响应速度，较小的超调。第五章是本课题的总结和对以后研究工作的建议。基于人工免疫系统控制方法的研究4第二章第二章第二章第二章基于人工免疫的基于人工免疫的基于人工免疫的基于人工免疫的PID控制控制控制控制随着科学技术与计算机的飞速发展和广泛应用，人们希望用计算机帮助人甚至代替人来完成更多更复杂的脑力劳动，以提高自动化水平和工作效率，这促使自动控制与人工智能两个学科交叉融合，形成了智能控制。计算机技术和智能控制理论的发展为复杂的动态不确定系统的控制提供了新的途径。迄今为止，人在众所周知的智能水平最高的生物，人本身也是一个生物智能控制系统，具有很高的智能特性。智能控制就是希望能用机器来模拟人在控制过程中的智能特性。通过采用智能控制技术可设计出具有良好性能的智能控制器，来实现系统的智能化。生物的免疫系统是一个复杂的系统，它能够对于外来侵犯的抗原产生相应的抗体来抵御，具有很强的智能性10-12。本章先后对传统的PID控制原理和免疫反馈原理进行介绍和分析，为下一章智能控制器的设计打下基础。2222-1111常规常规常规常规PIDPIDPIDPID控制控制控制控制当前的工业领域中，生产过程中最常用的控制规律就是PID控制。PID控制器是一种线性控制器，它根据给定值()rt与实际输出值()ct构成控制偏差：()()()etrtct=(2.1)偏差的比例P、积分I和微分D通过线性组合构成控制量，对被控对象进行控制，故称为PID控制器13-15。其控制规律为：0()1()()()tDPITdetutKetetdtTdt=+(2.2)写成传递函数的形式：()1()(1)()PDIUsGsKTsEsTs=+(2.3)式中：PK比例系数；IT积分时间常数；DT微分时间常数。简单说来，PID控制器各校正环节的作用如下：比例环节：及时成比例地反映控制系统的偏差信号e(t)，偏差一旦产生，控制器立即产生控制作用，以减少偏差。积分环节：主要用于消除静差，提高系统的无差度。积分作用的强弱取决于积分时间常数IT，IT越大，积分作用越弱，反之则越强。微分环节：能反映偏差信号的变化趋势（变化速率），并在偏差信号的值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减小调节时间。经典PID控制理论中，基本数学模型有两种（连续型、增量型），其中较常用的PID增量控制数学模型可以简单地用下式表示：()(-1)()(1)()()2(1)(2)PPPDIKukukKekekekKTekekekT=+（2.4）式中：()uk第k次的PID控制输出；()ek第k次的PID控制误差输入；如果我们令河北工业大学硕士学位论文5()()(1)()()-(-1)(-1)(-1)-(-2)PIIDPDukukukekekekekekekKKTKKT=（2.5）则上式可变为：()()(1)()()2(1)(2)()()()(1)PIDPIDukKekekKekKekekekKekKekKekek=+=+（2.6）式中：()uk第k次的PID控制输出增量；()ek第k次的PID控制误差输入增量；PK比例系数；IK积分系数；IK微分系数。可以用PK=0、IK=0和IK=0来分别关闭PID控制的比例项、积分项和微分项，通过关闭不同的功能实现P、PI、PD、PID等控制功能。适当地修改各参数的数值，可以获得不同的控制特性，满足不同的控制要求，从而完成PID参数的整定。2.2基于基于基于基于免疫免疫免疫免疫原理的原理的原理的原理的PID控制控制控制控制人们利用生物系统的灵感，设计仿生系统和方法。生命现象的奥妙和生物的智能行为一直被人们所关注，生物信息系统可看成一个分布式自治系统，且能提供给工程领域各种富有成效的技术和方法16-18。由生物引发的信息处理系统可分为脑神经系统(人工神经网络)，遗传系统(进化计算)和免疫系统(人工免疫系统)。免疫算法(ImmuneAlgorithm，IA)为近几年发展起来的基于生物体系人或其他高等动物免疫系统的机理而设计建立的新型计算方法，属于计算智能。2.2.1免疫免疫免疫免疫系统系统系统系统反馈机制反馈机制反馈机制反馈机制原理原理原理原理免疫系统是生物的防御系统，对于保证正常生命活动起着举足轻重的作用。免疫系统能够自组织地对入侵病菌进行有效抑制和消灭，从而保护机体不被破坏。免疫系统是生物抵御外来有害物质侵害的防御系统，生物一生始终处于复杂多变的自然环境中，能够进行正常的生命活动，免疫系统在其中起着重要的作用。免疫系统以其有限的资源，能够有效地应付数量庞大而近无限的不同种类的病毒的侵害，这一特性无疑引起了人们特别的关注。在学科交叉性越来越大的今天，人们在从医学和工程应用角度，分析和研究这一特性，希望能以此作为启发，设计出新的应用方法，以解决某些应用领域中的难题19-21。生物免疫系统是一个由许多执行免疫功能的器官，它由具有免疫功能的器官、组织、细胞、免疫效应分子及有关基因等组成。当抗原进入生物体时，由APC(抗原呈递细胞)消化，APC的抗原呈递作用将抗原内化、加工、处理，在其细胞表面生成主要组织相容性抗原(MHC分子)复合物，首先活化HT细胞，并释放淋巴因子，进而活化B细胞产生抗体；APC呈递的抗原还能缓慢地活化ST细胞，活化的ST细胞可以对HT细胞和B细胞产生抑制作用，共同刺激B细胞。经过一段时间后，B细胞分泌抗体以清除抗原，当抗原较多时生物体内的HT细胞也较多，而ST细胞却会减少，从而产生的B细胞多些。随着基于人工免疫系统控制方法的研究6抗原的减少，体内ST细胞增多，它抑制了HT细胞的产生，B细胞也随着减少。经过一段时间后，免疫系统便趋于平衡，达到免疫稳定22-24。由以上免疫响应过程可以看出，在抗原入侵阶段，抗原浓度很大，而抗体浓度极小，通过APC的呈递作用生成MHC并活化T细胞；在免疫响应初期，抗原浓度大，抗体浓度小时，HT起主要作用，响应过程将受到促进；免疫响应后期，抗原浓度小而抗体浓度大时，ST起主要作用，响应过程将受到抑制，以保证免疫系统的稳定性；当抗原浓度和抗体浓度都小时，达到免疫稳定阶段，免疫响应结束25-27。T细胞的具体调节作用如表2.1所示。表2.1T细胞的调节作用Table2.1RegulationactionofTcells免疫响应过程抗原浓度抗体浓度T细胞的作用抗原进入很大极小免疫响应初期大小促进免疫响应中期小大抑制免疫响应末期极小小2.2.2免疫反馈免疫反馈免疫反馈免疫反馈调节控制调节控制调节控制调节控制由于抗原的入侵，B细胞一方面受到HT细胞的活化作用，另一方面也接受ST细胞的抑制作用，借鉴生物免疫机理25-27，这样第K代B细胞的浓度可以表示为()()(KTKTKBSH=(2.7)()(1KKKTH=(2.8)()()(2KdkBfKKTS=(2.9)式中)(K为第K代抗原浓度；1K为TH细胞的促进因子；2K为ST细胞的抑制因子；)(KB为B细胞的浓度变化；()1()(=dkBdkBdkB(2.10)d为免疫响应的延迟时间；)(xf为一非线性函数，与B细胞的浓度变化有关，表示在第)(dk代时，B细胞分泌的抗体与抗原相互作用后的免疫效果。与B细胞的浓度变化有关，表示在第)(dk代时，B细胞分泌的抗体与抗原相互作用后的免疫效果：12()()()()1()()BKKKKfBkdeKKfBkdK=(2.11)其中1KK=12KK=2.2.3免疫免疫免疫免疫PID控制器的设计控制器的设计控制器的设计控制器的设计以上的免疫反馈机理与反馈控制系统原理及其类似，)(K相当于控制器中的偏差)(ke，)K(B相当于控制器中的输出()uk。有如下的反馈控制规律：1()1()()()()pukKfukukekkek=式中：)()(11kukufKkp=1kK=-控制反应速度，K增大，响应速度会增大；河北工业大学硕士学位论文712kk=-控制稳定效果，增大，系统地超调量减少；()fi-非线性函数，表示细胞抑制刺激能力的大小。常规数字PID的控制算法是：)1()()()()(0+=kekeTTKjeTTKkeKkUDpkjIpp(2.12)结合常规数字PID控制器，得到如下式所示的免疫PID控制器28-30：0()1()()()()(1)kppDpjIKTKTUkKfUkdKekejekekTT=+（2.13）式（2.13）中参数的取值范围是0，)dk(u(fmax1，恰当的取值可以使系统得到良好的稳定性、较小的超调、甚至无超调。d)-u(k(f是一个非线性函数，)(5)(521)(dkudkueedkuf+=，其作用域为(-1，0），(0，1)，d由对象的纯滞后时间决定。2.3本章小结本章小结本章小结本章小结通过研究生物免疫系统的组成、结构、工作机制和特性，启发人们提出了各种人工免疫网络和算法等。生物免疫系统有着许多非常诱人的特性，如自己非己识别、克隆选择、阴性选择、免疫记忆、分布性、鲁棒性等，尽管生物免疫系统具有相当的复杂性，人们甚至对其部分工作机制至今都无法完全解释清楚，这使得人类还无法用人工完全模拟出一个完整的生物免疫系统的工作过程。但这并不妨碍人们受其启发设计出各种人工免疫算法来解释其部分工作机制或用于工程目的。本章把人工免疫系统和传统PID控制相结合，通过了解和研究结合的算法，为后面章节提出更合理且有用的算法提供了一定的理论依据。通过将PID算法与模糊自适应PID算法及模糊自适应免疫PID算法加以对比研究，可以找到这些算法中最优越的算法。这也是本章研究的根本目的所在。基于人工免疫系统控制方法的研究8第三章第三章第三章第三章模糊自适应免疫模糊自适应免疫模糊自适应免疫模糊自适应免疫PIDPIDPIDPID控制控制控制控制3.1模糊自适应模糊自适应模糊自适应模糊自适应PID控制算法控制算法控制算法控制算法从实际工程角度来看，在一般的模糊控制系统中，考虑到模糊控制实现的简易性和有效性，通常采用二维模糊控制器结构形式。而这类控制器都是以系统误差e和误差变化ec为输入语句变量，因此它具有类似于常规PID控制器的作用，采用该类模糊控制器的系统有可能获得良好的动态特性，而静态特性往往不能令人满意。PID控制算法是控制系统理论中技术最成熟的，应用最广泛的一种控制算法，而且可以根据系统性能的不同要求，采用各种PID的变种控制方法。由传统控制理论可知，积分控制作用能消除稳态误差，但动态响应慢，比例控制作用动态响应快，而比例积分控制作用既能获得较高的稳态精度，又能具有较高的动态响应31-33。自适应控制主要用于解决那些传统方法难以解决的控制对象参数在大范围变化的问题，它具备自适应能力，能够自动辨识被控过程参数、自动整定控制参数，能够适应被控过程参数的变化.其中模型参考自适应系统是一类很重要的自适应系统34。因此，将自适应控制、模糊控制和PID控制结合起来，设计出一种模糊自适应PID控制器，是改善模糊控制器稳态性能的一种有效途径。3.1.1自适应自适应自适应自适应控制控制控制控制自适应控制系统是一个具有一定适应能力的系统，它能够认识环境条件的变化，并自动校正控制动作，使系统达到最优或次优的控制效果35。自适应控制系统的原理框图如图3.1所示。这一系统在运行过程中，根据参考输入)t(r、控制输入)t(u、对象输出)t(c和已知外部干扰)t(n来测量对象性能指标，并与给定的性能指标进行比较，作出决策，然后通过适应机构来改变系统参数，或者产生一个辅助的控制输入量，累加到系统上，以保证系统跟踪上给定的最优性能指标，使系统处于最优或次优的工作状态。自适应系统与其它系统的显著区别在于它包含有性能指标闭环。从本质上讲，自适应控制应具有“辨识一决策一修改”的功能，即：辨识不断地测取系统(被控对象)的信号和参数，并加以处理，以获得系统状态。决策根据所辨识的系统状态和事先给定的准则作出决断。决策包括系统的自适应算法。辨识是获得对系统的认识，而决策则是由此得出具体的控制规律。修改对决策所计算出来的控制参量必须不断地适当修正，并由相应的执行装置或微机系统中某一运算软件来实现。也就是说，控制律必须与参数调整律相配合(自适应)，以使系统不断地趋向最优或要求的状态。图3.1自适应控制系统原理框图Fig.3.1Theprincipleblockdiagramofadaptivecontrolsystem河北工业大学硕士学位论文93.1.2模糊自适应模糊自适应模糊自适应模糊自适应PID控制器的结构设计控制器的结构设计控制器的结构设计控制器的结构设计在确定性控制系统中，根据输入变量和输出变量的个数，可以分单变量控制和多变量控制系统。在模糊控制系统中也可以类似的划分为单变量模糊控制系统和多变量模糊控制系统。单变量模糊控制器中，将其输入变量的个数定义为模糊控制器的维数。（1）一维模糊控制器：一维模糊控制器的输入变量往往选择被控量和输入给定的偏差量e，通常用于一阶被控对象。由于仅仅采用偏差值，很难反映受控过程的动态特性品质，因此，所能获得的系统动态性能不是令人满意的；（2）二维模糊控制器：二维模糊控制器有两个输入变量，基本上选受控变量和输入给定的偏差e和偏差变化ec，由于它们能够较严格地反映受控过程输入变量的动态特性，在控制效果上要比一维模糊控制器好，是目前采用较广泛的一种模糊控制器；（3）三维模糊控制器：三维模糊控制器的三个输入变量分别为系统偏差e，偏差变化量ec和偏差变化的变化率ecc。由于这类模糊控制器结构较复杂，推理运算时间长，因此除了对动态特性的要求特别高的场合，一般较少选用三维模糊控制器。综合考虑以上控制器的优缺点，木文在设计模糊控制器的时候采用的是二维模糊控制器。把温度变化e和温度的变化率ec作为模糊控制器的输入量，将PID的参数pk、ik和dk作为模糊控制器的输出，避免复杂又不失精确36-38。模糊自适应PID控制器以误差e和ec作为输入，可以满足不同时刻的e和ec对PID参数自整定的要求，利用模糊控制规则在线对PID参数进行修改，便构成了模糊自适应PID控制器，其结构如图3.2所示。图3.2模糊自适应PID控制器结构Fig.3.2StructureoffuzzyadaptivePIDcontroller3.1.3精确量的模糊化精确量的模糊化精确量的模糊化精确量的模糊化将精确量(数字量)转换为模糊量的过程称为模糊化。经过计算机计一算出来的控制变量都为精确量，必须经过模糊量化处理，才能实现模糊控制算法39-40。本系统中的温度变化e、温度变化率ec和控制输出量pk、ik和dk都为精确量，为了进行模糊控制需要将它们的值转化为模糊论域上的模糊值。设e的基本论域为-ex，+ex，ec的基本论域为-ecx，+ecx，设e的模糊子集的论域为-n，-n+1，基于人工免疫系统控制方法的研究100，n-1，n，ec的模糊子集的论域为-m，-m+1，0，m-1，m。则温度变化e和变化率ec的量化因子ek和eck。可由下面两个公式来确定：eenkx=（3.1）ececmkx=（3.2）量化因子ek和eck对控制系统的动态性能影响很大。从理论上讲ek增大，相当于缩小了偏差的基本论域，增大了偏差变量的控制作用，虽然能使上升时间变短，但由于超调大，使得系统的过渡过程变长。eck对超调的遏制作用十分明显，选择越大系统超调越小，但系统的响应速度变慢。3.1.4模糊控制器的控制规则设计模糊控制器的控制规则设计模糊控制器的控制规则设计模糊控制器的控制规则设计模糊控制规则的设计包括三部分的设计内容：选择描述输入输出变量的词集，定义各模糊变量的模糊子集及建立模糊控制器的控制规则41-43。（1）选择描述输入和输出变量的语言变量若选择较多的模糊词集来描述输入、输出变量，可以使制定控制规则方便，但是控制规则响应变的复杂；选择的过少，又会使变量变的粗糙，导致控制器的性能变坏。根据系统的实际需要，将温度变化e、温度变化率ec和控制输出量pk、ik和dk都采用七个词集来描述，即其模糊子集为e、ec、pk、ik和dk=NB，NM，NS，ZO，PS，PM，PB，子集中元素分别代表负大，负中，负小，零，正小，正中，正大。(2)制定模糊变量的模糊子集定义模糊子集，就是要确定模糊子集的隶属度函数曲线的形状。常用的隶属函数有矩形分布、梯形分布、三角形分布、柯西分布和正态分布等。隶属函数曲线的形状会导致不同的控制特性，隶属度函数曲线形状较尖的模糊子集器分辨率较高，控制灵敏度也较高相反，隶属度函数曲线形状较缓，控制特性也较平缓，系统稳定性也较好。因此在选择模糊变量的模糊隶属度函数时，在误差较大的区域采用低分辨率的模糊集，在误差较小的区域采用高分辨率的模糊集。各模糊子集的隶属度函数中NB和PB采用正态型分布；NM、NS、ZO、PS、PM都采用三角形分布，则可得各模糊变量的隶属度函数图及相应的模糊控制系统构成图如图3.3、3.4和3.5所示：图3.3e、ec的隶属函数图Fig.3.3Membershipfunctionofeandec河北工业大学硕士学位论文11图3.4pk、ik和dk的隶属函数图Fig.3.4Membershipfunctionofkp、kiandkd图3.5模糊控制器结构图Fig.3.5Structureoffuzzycontroller由图3.3、图3.4，可以得到e和ec以及pidkkk、的隶属度，将e和ec对于各个模糊子集的隶属程度整理成表，如表3.1所示:基于人工免疫系统控制方法的研究12表3.1偏差e和偏差变化率ec的隶属度Table3.1membershipdegreeofdeviationeanddeviationchangerateece、ec-3-2-10123PB000000.51PM00000.510PS0000.510.50Z000.510.500NS00.510.5000NM010.50000NB10.500000pidkkk、的隶属度表的整理步骤与上面相同，在此不再赘述。(3)建立模糊控制规则模糊控制器的控制规则是基于手动控制策略，而手动控制策略又是人们通过学习试验以及长期经验积累而逐渐形成的存贮在操作者头脑中的一种技术知识集合。利用模糊集合理论和语言变量的概念，可以把利用语言归纳的手动控制策略上升为数值运算，于是可以采用微计算机完成这个任务以代替人的手动控制，实现所谓的模糊自动控制。确定模糊控制规则的原则是必须使控制系统输出响应的动静态特性达到最佳。在此控制器中，PID参数模糊自整定是找出PID三个参数与e和ec之间的模糊关系，在运行中通过不断检测e和ec，根据模糊控制原理来对3个参数进行在线修改，以满足不同e和ec对控制参数的不同要求，而使被控对象有良好的动、静态性能44-46。从系统的稳定性、响应速度、超调量和稳态精度等各方面来考虑，Pk、ik和dk的作用如下：1比例系数Pk的作用是加快系统的响应速度，提高系统的调节精度。Pk越大，系统的响应速度越快，系统的调节精度越高，但易产生超调，甚至会导致系统不稳定。2积分作用系数ik的作用是消除系统的稳态误差。ik越大，系统的静态误差消除越快。但ik过大，在响应过程的初期会产生积分饱和现象，从而引起较大的超调。3微分作用系数dk的作用是改善系统的动态特性，其作用主要是在响应过程中抑制偏差向任何方向的变化，对偏差变化进行提前预报。但dk过大，会使响应过程提前制动，从而延长调节时间，而且会降低系统的抗干扰性能。PID参数的整定必须考虑到在不同时刻三个参数的作用以及它们之间的藕合关系。针对不同的e和ec，pk、ik和dk的整定原则为：1当e较大，为使系统具有较好的跟踪性能，应取较大的pk与较小的dk，同时为避免系统响应出现较大的超调，应对积分作用加以限制，通常取ik=0；2当e和ec中等大小时，为使系统具有较小的超调，pk应取小一些，在这种情况下，dk的取值对系统的影响较大，应取小一些，ik的取值要适当；河北工业大学硕士学位论文133当e较小时，为使系统具有较好的稳定性能，pk和ik均应取大些，同时为避免系统在设定值时出现震荡，并考虑系统抗干扰的性能，当ec较大时，dk可取小些；ec较小时，dk可取得较大些。通常dk为中等大小。由工程设计人员的实际操作经验和以上PID参数整定规则，得到针对pk、ik和dk三个参数分别整定的模糊控制规则表，如表3.2、3.3、3.4所示：表3.2pk的模糊校正规则表Table3.2fuzzyrectifiedruletableofPkecNBNMNSZOPSPMPBNBNMNBNBNBNBNBNBNMNSNMNMNMNMNMNBNSZONSNSNSNSNSNMZOPSZOZOZOZOZONSPSPMPSPSPSPSPSZOPMPBPMPMPMPMPMPSePBPBPBPBPBPBPBPM表3.3ik的模糊校正规则表Table3.3fuzzyrectifiedruletableofikecNBNMNSZOPSPMPBNBNBNBNMNMNSZOZONMNBNBNMNSNSZOZONSNBNMNSNSZOPSPSZONMNMNSZOPSPMPMPSNMNSZOPSPSPMPBPMZOZOPSPSPMPBPBePBZOZOPSPMPMPBPB基于人工免疫系统控制方法的研究14表3.4dk的模糊校正规则表Table3.4fuzzyrectifiedruletableofdkecNBNMNSZOPSPMPBNBPSNSNBNBNBNMPSNMPSNSNBNMNMNSZONSZONSNMNMNSNSZOZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBPSPSPSPSPSPBePBPBPMPMPMPSPSPB然后根据上表整理出的49条模糊控制规则进行pk、ik和dk三个参数的自适应校正。模糊控制规则如下：对于pk：IfeisNBandecisNBthenpkisNM；IfeisNMandecisNBthenpkisNB；IfeisNSandecisNBthenpkisNB；IfeisPBandecisPBthenpkisPM；对于ik：IfeisNBandecisNBthenikisNB；IfeisNMandecisNBthenikisNB；IfeisNSandecisNBthenikisNM；IfeisPBandecisPBthenikisPB；对于dk：IfeisNBandecisNBthendkisPS；IfeisNMandecisNBthendkisNS；IfeisNSandecisNBthendkisNB；IfeisPBandecisPBthendkisPB；3.1.5模糊控制算法采样时间的选取模糊控制算法采样时间的选取模糊控制算法采样时间的选取模糊控制算法采样时间的选取模糊控制属于计算机控制，计算机控制必然涉及到采样时间的选择问题。由香（Shannon）采样定理给出了选择采样周期的上限，即：maxT（3.3）式中max为采样信号的上限角频率。河北工业大学硕士学位论文15在此范围内，采样周期越小，就越接近连续控制。但在选择采样时间的选择还必须注意以下几点47-49：（1）采样时间必须大于执行机构的响应时间；（2）从控制算法所需要的时间来看，在一个采样周期内，必须完成一个控制步的计算量；（3）从计算机的精度来看，采样周期的选择还和计算机字长有关。本文中的模糊控制系统，其输入变量为误差和误差变化，而这两个变量又是通过两次采样间隔得到的。因此，为了获得较精细的控制规律，应使误差变化的值较大，从这一点看，采样周期不能太短。但从一次响应过程中误差作用的次数来看，一般不能低于五次，否则会使控制不精细。因此，在模糊控制系统中选择采样时间收到误差变化最大值与一次响应过程中控制作用次数两方面的制约，在本文控制系统的设计中，综合考虑了两方面因素的影响。在系统调试过程中，通过对不同采样时间进行试验，从中确定本系统的采样时间为20s。..6666仿真试验仿真试验仿真试验仿真试验根据以上所设计的条件，使用Matlab软件仿真pk、ik和dk的模糊输出分别如图3.6、3.7、3.8所示。图3.6输出变量pk的变化曲线Fig.3.6changecurveoftheoutputvariablepk基于人