（控制理论与控制工程专业论文）基于人工免疫算法的a3000装置控制方案研究.pdf

摘要 摘要 生物免疫系统是一个复杂的白适应系统。人们通过对它的研究可以得到很多启发，其中人工免 疫系统( a i s ) 就是生物免疫系统研究的一个应用。人工免疫系统在工程中的应用是当今的一大课题， 具有很大的发展前景，同时将人工免疫应用于控制领域也具有很深刻的意义。 本文简要的介绍了人工免疫系统的发展以及在控制领域中所用到一些理论基础，其中包括基于 免疫学原理开发的克隆选择算法和动态规模免疫算法，以及免疫遗传和免疫进化算法；同时基于双 因子调节免疫动力学方程尝试设计了一种基于双因子调节的免疫控制器，并对其控制效果进行了仿 真研究，然后与传统的p i d 控制器进行对比；最后利用设计的基于双因子调节的免疫控制器对双容 式被控对象、三容式被控对象进行控制，并与实际的p i d 控制进行对比，通过大量的实验，得出了 相应的控制曲线，从而验证了该算法的有效性。最后对双容串级被控对象进行实验，分别以不同的 控制器对被控对象进行控制，寻求最佳的控制方案。 本文主要包括概述、人工免疫系统的发展以及它的研究内容和范围、人工免疫控制器的设计和 仿真以及利用所设计的人工免疫控制器在a 3 0 0 0 装置的应用。 关键词：人工免疫系统：免疫反馈算法；双因子调节免疫控制器；a i s a b s t r a c t a b s t r a c t b i o l o g yi m m u n es y s t e mi s ac o m p l e x ，s e l f - a d a p ts y s t e m p e o p l ec a ng e tm u c hi n s p i r a t i o nb y r e s e a r c h i n gi t ，a n dt h ea r t i f i c i a li m m u n es y s t e m ( a i s ) i st h eo n eo ft h i sr e s e a r c h sa p p l i c a t i o n t h e a p p l i c a t i o no ft h ea r t i f i c i a li m m u n es y s t e mi np r o j e c ta p p l i c a t i o ni san o wb i gt o p i c ，a n dh a v eah u g e p e r s p e c t i v e ，a n dt h ea r t i f i c i a li m m u n es y s t e ma p p l y i n gi nt h ec o n t r o ld o m a i nh a v eap r o f o u n dm e a n i n g t h i sp a p e ri n t r o d u c e ss i m p l yt h ea r t i f i c i a li m m u n es y s t e m sd e v e l o p m e n ta n dt h ef o u n d a t i o n a lt h e o r y t ob eu s e di nt h ec o n t r o lt h e o r y , i n c l u d i n gc l o n ec h o i c e a l g o r i t h ma n dd y n a m i cs c a l ei m m u n i t ya l g o r i t h m b a s e do ni m m u n o l o g yp r i n c i p l ed e v e l o p m e n t ，a sw e l la si m m u n i t yh e r e d i t ya n di m m u n i t ye v o l u t i o n a l g o r i t h m ；m e a n w h i l eh a sa t t e m p t e dt od e s i g no n ek i n di m m u n i t yc o n t r o l l e rb a s e do nt h ed o u b l ef a c t o r a d j u s t m e n ta n dt h ed o u b l ef a c t o ra d j u s tm e n t i m m u n i t yd y n a m i ce q u a t i o n ，a n dh a sc o n d u c t e dt h e s i m u l a t i o nr e s e a r c ht oi t sc o n t r o le f f e c t ，a n dc o m p a r e si tw i t hp i dc o n t r o l l e r ；a n du s e st h ei m m u n e c o n t r o l l e rt h a th a sb e e nd e s i g n e dt oc o n t r o lt h ed o u b l e c o n t a i n e ro b j e c ta n dt h et h r e e c o n t a i n e ro b j e c t ， c o m p a r e si tw i t hp i dc o n t r o l l e r , a tl a s t ，l o o kf o rt h eb e s tc o n t r o l l i n g m e t h o df r o mi t t h i sa r t i c l em a i n l yi n c l u d e st h eo u t l i n e ，t h ea r t i f i c i a li m m u n i z a t i o ns y s t e md e v e l o p m e n ta sw e l la si t s r e s e a r c hc o n t e n ta n dt h es c o p e ，t h ea r t i f i c i a li m m u n i z a t i o nc o n t r o l l e r sd e s i g n i n ga n ds i m u l a t i o na sw e l l a st h eu s i n gi nt h ea 3 0 0 0i n s t a l l m e n ta p p l i c a t i o n k e yw o r d s ：a r t i f i c i a li m m u n es y s t e m ；i m m u n e - f e e d b a c ka l g o r i t h m ；d o u b l ef a c t o r a d j u s t m e n ti m m u n i t yc o n t r o l l e r ；a i s i i i 学位论文独创性声明， 本人所呈交的学位论文是我在指导教师的指导下进行的研究工作及取得的研究成 果。据我所知，除文中已经注明引用的内容外，本论文不包含其他个人已经发表或撰写 过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中作了明确说明并 表示谢意。 作者签名：叠j 垒鲴 日期： 学位论文使用授权声明 沙7 ) 。f f 本人完全了解大庆石油学院有关保留、使用学位论文的规定，学校有权保留学位论 文并向国家主管部门或其指定机构送交论文的电子版和纸质版。有权将学位论文用于非 赢利目的的少量复制并允许论文进入学校图书馆被查阅有权将学位论文的内容编入有 关数据库进行检索。有权将学位论文的标题和摘要汇编出版保密的学位论文在解密后 适用本规定。 学位论文作者签名：套印汐峨导师签名：f 皂 专难 日期：山7 多，r日期：山7 夕彩 创新点摘要 创新点摘要 本文基于人工免疫算法及原理设计了具有记忆与积分能力的是双因子免疫控制器。主要的工作 和创新点如下： 1 详细研究了s e r g e i 和y u r i 提出的基于识别因子和杀伤因子的双因子免疫非线性模型及控制 器的设计方法，并借鉴生物免疫模型构建免疫控制器时既要将生物免疫的主要特点继承下来，又要 考虑工程中的实际情况，设计了人工免疫控制器，保证了控制器能够无偏差地跟踪恒值输入，并给 出仿真实例。 2 针对所设计的双因子免疫控制器的特性，对实验室a 3 0 0 0 过程控制实验装置进行了应用， 保证了在以双容、三容为被控对象的情况下，所得的控制曲线优越于传统的p i d 控制曲线，并对双 容被控对象分别进行了串级控制实验，选取了最佳的串级控制方案，经过仿真分析表明，该控制方 法有效地克服了传统p i d 控制器响应时间长、收敛速度慢和鲁棒性差的缺点，大大增强了系统的动 态控制能力，同时也验证了该算法的有效性。对复杂受控对象的应用具有十分重要的意义。 关键词：双因子免疫控制器；串级控制；人工免疫系统 太痰垂- 油学院壤l ? 骈究耋学位论文 季| 砉 嫩物系统中的傧息处理系统部分可分为脑神经系统( 神经网络) 、遗传系统( 进化 诗算) 、免疫系统( 入工免疫系统) 耧蠹分泌系统透癸类受。嚣蠡还没蠢关 ：内努泌系 统的工程应用研究。自然免疫系统是复杂自适成系统，有效地使用多种机制防御外部瘸 原体。免疫系统的主要作用是识别所有身体内的细胞，并将其分类为自体和非自体。为 了诱导会适形式的虢獭瓿剃，非巍体缨憝进一步分类。通过遴纯学习，受痰系统在努部 病原体移身体自己的缁瑰之阕进行辫羽。霞海芟重要性、复杂性和霹藩入类了解得还不 够透彻的细胞代谢静换机制，自然免疫系统具宵许多研究主题，其一般特征在局部层次 提供了相当出色的翻适应处理模裂；在全局层次，会突现出许多有用的性能。现有许多 理论零l 数学模型鳃释受疫学瑷象，氇毒诲多谤算税模墼蕊囊拳耱免疫系绫成分，簸生秘 角度研究免疫系统的整体性能，找到解决实际工程和科学问题的智能方法。这些方法爨 有不同的名字：人工免疫系统、旗于免疫的系统、免疫学计算等，并由此出现了人工免 疫系绞这一瓤兴豹、快速发浸静餐戆技术毅领域。 除了目前人们融经开发稠用豹神经网络鞠基因遗传等擞物信怠处壤系统和方法以 外，在生物免疫系统中可以发现熊他重要信息处理系统和方法。基于免瘕学原理建立的 人工系统具有与神缝网络类似的融适应性和学习能力，但它是建立在多个进程动态含住 基磅上豹；基予免疫学戆人工系绕矮毒与遗转炎叛夔遴继撬潮，毽是宅熬实瑗精确控镧 群体多样性和特异能。从生物信患处理系统这个角度讲，人工免疫系统可以归为信息科 学，怒与人工神经网络、模糊理论等智能理论和系统并列的，但有不同的性质、功能以 及潜农豹毅兴辩学技术。 献葜发展原理和应用来看，所谓久工免痰系统( 获工稔釉辩学角度讲) ，就是研究 借鉴、利用生物免痰系统( 主要熄人类的免疫系统) 各种原理和机制而发展的各类信息 处理技术、计算技术及其在工程和科学中应用丽产生的各种智能系统的统称。人工免痰 系统楚今跨越多个学辩豹疆究镶域，是与玺物免疫系统榛霹应豹工程壤念，类鬣久王 神经网络与神经网络的对应。 对工程技术领域来讲，人工免疫系统领域怒相对较新的领域，引起人们发展人工免 疫系统极大兴趣豹不是免疫系统零身豹功能，黼是从中提取、发现免疫系统豹有用极铡 作力一种解决工程阏遂的手段。兔疫系统粗略简佬静工律方式并没有什么新奇，这不怒 问题的关键，问题的关键在于它激励科学家和工程师们从自然中得到启发，而不是一定 要建立起某种精确枫制，也就是对免疫系统的信息处理能力产生深刻认汉，进而抽象出 痿意处溪藜理释决蜜甄逮题。 人工免疫系统融经用于解决许多不同的工程问题。日本学者i s h i d a 谯1 9 9 0 年利璃 芍l 言 免疫系统解决传感器网络故障诊断问题，这是目前可焱的最早的免瘢系统在工程领域的 谬 究成果。隧藤，美国学者f o r r e s t 在1 9 9 4 年将免疫系统手段用予计算辊安全釉病毒检 测。越来越多静入注意剜p e r e l s o n 、b e r s i n i 和v a r e l a 等理论免疫学家在1 9 8 9 第、1 9 9 0 年所做的早期研究工作的重鼷性，他们尝试建立免疫系统的模型，长期为生物计算提供 新的方法，人工免疫系统的疲用领域由此不断得到扩大。 2 人庆石油学院硕卜研究生学位论文 1 1 人工免疫系统的发展 第一章概述 近代计算机科学技术发展的显著特点之一是与生命科学的相互交叉、相互渗透日益 密切。生命科学尤其是生物学的发展为计算机科学的发展提供了许多新方法和新思路。 目 ； ，针对生命科学与计算机科学的交叉领域的研究已成为当今科学研究领域内的一个 重要的研究方向，并取得了许多的举世瞩目的研究成果，如以脑神经系统为基础的神经 网络和以遗传系统为基础的遗传算法【2 l 等。 生物免疫系统是生物体赖以生存的基本保障，它是自然进化演变的结果。从计算机 科学的角度来看，生物免疫系统可以看作是一个具有高度并行处理能力的分布式、自适 应和自组织的系统。生物免疫学【3 】是在对生物免疫系统研究的基础上发展并逐渐形成的 - - n 较为完整的学科。目前，生命科学研究工作者们正在利用计算机技术为生物免疫系 统及其各种机体功能与特征行为进行数学建模，以便更加容易地分析和解释这些生物免 疫现象的内在机理。 生物免疫系统具有很强的学习、识别、记忆和特征提取能力这些能力正是智能性 计算机系统所需要的。因此，生物免疫系统的原理和结构成为计算机科学研究工作者竞 相研究的对象。目前，计算机工作者们已从生物免疫系统中获得了一些重要的启示和借 鉴，并且将其应用于解决计算机工程应用中的一些用般方法难以解决的复杂问题。人 工免疫系统( a r t i f i c i a li m m u n es y s t e m ，a i s ) i e 是以生物免疫学基本概念和理论为基础面 向应用的计算机模型，它已被成功地用于解决许多复杂问题1 4 。 2 0 世纪7 0 年代，j e m e t 5 】首先提出了免疫系统的网络假说，并以此开创了人工免 疫系统的基础理论独特型网络理论l “。p e r e l s o n 7 】在独特型网络理论的基础上进一步 给出了免疫网络的数学框架，从而加快了人工免疫系统在计算机科学方面的发展。1 9 8 6 年，f a r m 一4 1 1 基于免疫网络的假说，构造了一个免疫系统的动态模型，并提出了一些学 习算法的构造思想，这些为人工免疫系统的实际应用指明了方向。他的工作对于人工免 疫系统的发展尤其是在信息安全领域应用的发展具有十分重要意义。 人工免疫系统是在免疫学尤其是理论免疫学的基础上发展起来的，因此离不开对生 物免疫系统的理解和研究，也与免疫学的发展密不可分。生物免疫系统是高度复杂的系 统，对检测和消除感染问题显示出精确的调节能力。免疫系统是大规模并行自适应信息 处理系统的样本，一个为设计更好的人工免疫系统而值得研究的样本。免疫系统展示了 许多可以融进人工智能系统的性质：多样性，分布性，动态性，适应性，鲁棒性，自适 应，自治性，自我检测，错误耐受。这些特性是免疫系统的固有特性；但是也是多数人 第一章概述 工系统缺乏的特性，是研究人员期望人工系统所能够具有的特性。 基于免疫系统原理发展的计算技术是自然计算中更新的领域，它仿效一定的生物免 疫系统过程，发展各种新型计算方法。自然免疫系统是多层免疫系统，以多种智能方法 对其传感输入应答，它能够被激发应有的和已获得的能力产生准确的目标特异应答，通 过变异产生进化学习，利用测试适应新环境。它记得分类和应答，对熟悉的重新出现的 刺激环境能够更快的应答，是高度分布式、高度并行，具有复杂信息处理特征的生物系 统。在模拟自然系统的计算中，如下许多特征用于解决多种计算技术应用问题，包括： 模式识别、特征提取、免疫应答、多样性产生、快速进化、学习、记忆、分布式处理、 并行处理、移动性、自组织、阀值、概率检测、扩展性、阴性选择等。分布式出来和并 行处理等几个特征是免疫系统的内部构造形成的，并为产生应用方法提供支持，其他特 征能够满足对计算应用的需要。例如，模式识别和特征提取应用到入侵检测和病毒检测。 阴性选择算法，即从非自体特征中识别自体，可应用到对入侵和其他威胁的快速应答。 人工免疫系统继承了生物免疫系统的许多优良特性，这些特性使得人工免疫系统很 快的成为学术界研究的热点，并成为计算智能研究的一个崭新的分支。e v o l u t i o n a r y c o m p u t a t i o n ，i e e e t r a n s a c t i o n o i l e v o l u t i o n a r y c o m p u t a t i o n 等许多国际期刊将人工免疫 系统作为重要议题。在2 0 0 1 年和2 0 0 2 年i e e et r a n s a c t i o no ne v o i n t i o n a r yc o m p u t a t i o n 还相继出版了人工免疫系统专辑。此外，人工免疫系统也已成为计算机国际学术会议的 热点议题，如i e e es y s t e m ，m a na n dc y b e m e t i c s 国际会议从1 9 9 7 年开始每年组织专 门的人工免疫系统研讨会，还有g e c c o ( g e n e t i ca n de v o l u t i o n a r yc o m p u t a t i o n c o n f e r e n c e ) ，c e c ( c o n g r e s so ne v o l u t i o n a r yc o m p u t a t i o n ) 等国际会议也将人工免疫系统 作为讨论的主题之一。2 0 0 2 年9 月在英国k e n t 大学还成功召开了第一届人工免疫系统 国际学术会议i c a r i s ( 1 s ti n t e r n a t i o n a lc o n f e r e n c eo n a r t i f i c i a li m m u n es y s t e m s ) 。 人工免疫系统1 1 1 1 是将生物免疫学的相关原理和概念与计算机科学相结合的产物。通 过利用生物免疫系统的工作原理，并结合工程实际应用提出的人工免疫系统特别适合于 解决具有鲁棒性、自适应性和动态性要求的实际工程应用问题。由于人工免疫系统强大 的信息处理和问题求解能力，人工免疫系统已成为继遗传算法和神经网络之后新的研究 热点1 1 8 】。 1 2 人工免疫系统基本原理 由以上对生物免疫系统的简单介绍可知，生物免疫系统是个分布式的自适应动态平 衡系统，具有学习、记忆和识别的功能，近年来众多学者开始模仿免疫系统的作用机制 用于其它领域的研究，这些受生物免疫系统启发而建立的人工系统称为人工免疫系统 ( a i s ) 。它是基于人类和其它高等动物免疫系统理论而提出的一种新的信息处理系统。以 下将对人工免疫系统的概况及应用作简单介绍。 4 大庆石油学院硕1 研究生学位论文 l2 1 人工免疫系统的研究内容和范围 人工免疫系统结合了如人工神经网络和机器推理等原有一些智能信息处理的特点， 在解决大规模复杂性问题方面具有很大的潜力。有鉴于此，近年来人们对a i s 及相应 算法的研究逐渐活跃起来。目前人工免疫系统的研究内容和范围主要包括三个方面【1 9 】： ( ”免疫计算智能系统 自然免疫系统是发展智能技术的启发源泉，研究人员已经开发了许多基于免疫系统 的计算技术，包括各种基于免疫原理的免疫算法、人工免疫网络和免疫计算系统等。 a 根据生物免疫系统原理发展新的算法，主要有阴性选择算法、克隆选择算法、免 疫遗传算法、免疫优化算法，以及为完成各种特定任务而设计的基于免疫原理的算法等， 可统称为免疫算法。 b 根据生物免疫系统原理建立的人工模型，包括人工免疫网络模型和人工免疫系统 模型两种形式。各种免疫网络学说，如独特型网络、互联耦合免疫网络、免疫反应网络 和对称网络等，可借鉴用于建立人工免疫网络认知模型。 c 与人工神经网络、模糊系统等结合建立混合智能系统，比如利用免疫、神经网络、 模糊技术建立智能计算系统；利用免疫系统抗体多样性的遗传机制改进遗传算法的搜索 优化。 人工免疫系统涉及的研究内容和应用范围较为广泛，已超出了仅仅作为计算工具研 究的范围，但从目前的研究和应用来看，多数仍以发展基于免疫原理的计算方法为主。 ( 2 ) 免疫工程应用研究 包括各种免疫计算智能技术在工程中的应用研究，建立利用免疫系统原理及特性解 决工程问题的人工智能系统。如保安系统、疾病诊断系统、各种计算机安全和网络入侵 诊断和检测系统等。 ( 3 ) 人工免疫系统理论研究 例如借助数学模型、非线性、复杂、混沌、计算智能等理论深入研究人工免疫系统 的机制。 预计今后a i s 的研究将围绕着算法机理的深入探讨、算法的数学理论分析、面向工 程应用的a i s 算法模型完善、计算智能方法的融合、面向进化设计的a i s 模型研究【2 0 】 几个方面展开。 1 2 2 人工免疫网络模型 生物自然科学领域中，人们已经提出的一些免疫网络模型主要包括：独特型免疫网 络、互联耦合免疫网络、免疫反应网络、对称网络和多值免疫网络等。受生物免疫网络 的启发，人们建立了各种人工免疫网络模型，如独特型网络模型1 2 1 】、多值免疫网络模型 2 2 1 、互联耦合免疫网络模型2 3 1 等。 第一章概述 ( 1 ) 独特型网络模型 免疫网络模型的工作首先由j e r n e 提出，他基于细胞选择学说，开创了独特型网络 的理论，给出了免疫系统的数学框架，并采用微分方程建模来仿真淋巴细胞的动态性。 关于独特型网络学说前面已经阐述，这里不再详细叙述。在j e r n e 研究工作的基础上， p e r e l s o n 提出了独特型网络的概率描述方法，讨论了独特型网络中的相传输。许多基于 此模型的计算方法被用于自适应控制和故障诊断等。 ( 2 ) 多值免疫网络模型 z h a n g t a n g 提出了一种基于免疫应答原理的多值网络模型。该多值免疫网络模型模 拟免疫系统b 细胞和t 细胞相互作用，具有极其类似免疫系统的特性。t a n g 将网络 用于字母识别，仿真结果表明该模型除了具有较少的分类、改善的记忆模式和良好的记 忆容量的优点之外，多值免疫网络比二进制网络有更强的噪声免疫能力1 2 “。 ( 3 ) 互联耦合免疫网络模型 鉴于目前抗体之间大规模的联接还没有用试验论证，且免疫系统是通过抗体之间四 个或五个链来成功地维持着生物组织，i s h i g u r o 等提出了一种互联耦合免疫网络模型， 即免疫系统是通过多个完成某一特定任务的局部免疫网络之间相互通讯来形成大规模 免疫网络，这种模型已被用于六足行走机器人的速度控制。 除了以上三种人工免疫网络模型，其他还有如对称性网络、免疫反应网络、p i n e t s 等人工免疫网络模型，这里将不再一一叙述。 1 2 3 人工免疫系统在控制领域中的应用 设计鲁棒控制算法以满足不断增加的高性能要求，是现代控制工程的努力方向。国际 上免疫控制的研究起步于2 0 世纪9 0 年代，其主要研究方向有b e r s i n i 为代表的自适应控 制【3 0 1 、k r i s h n a k u m a r 为代表的智能控制【3 l l 、t a k a h a s h i 为代表的反馈控制 3 2 】、o o t s u k i 为 代表的顺序控制【3 3 】、l h i g u r o 的机器人行为控制f 3 4 ”】、自适应干扰中和器等。 ( 1 ) 自适应控制 b e r s i n i 于1 9 9 1 年提出了一种自适应控制的方法，这种方法模拟了生物免疫系统的恢 复机制与学习机制。他指出在生物免疫系统中，网络结构是一个根据环境动态变化的自组 织系统，免疫系统的亚动力学特征与控制系统类似，其主要目的都是保持抗体在特定区域 内的连续一致性。b e r s i n i 和v a r e l a 又于1 9 9 4 年对免疫系统的动态特征和亚动力学特征 做了总结，他指出免疫系统的亚动力学能使免疫系统的特性维持一段时间，并且还能适应 新形式。b e r s i n i 提出了一种免疫互补机制模拟免疫系统亚动力学特性，以确保把免疫系 统中最好、最新的抗体添加到系统网络中，即新个体的选择是基于网络周围的状态进行。 他在论文中提出了几条应用于自适应控制领域建立控制系统的原则。p e r c l s o n 提出了独 特型网络的概率描述方法，讨论了独特型网络中的相传输，并将此模型应用于自适应控制 【3 6 j 。 6 大庆石油学院硕l 研究生学位论文 1 2 ) 智能控制 k r i s h n a k u m a r 于1 9 9 9 年提出了免疫计算系统的概念把免疫系统的自适应能力应用 到了智能控制中。该系统模仿了生物免疫系统的鲁棒性和自适应性集成了不同的计算智 能方法，如模糊系统、人工神经网络和进化计算。k u m a k 把免疫系统与神经网络相结合， 识别和处理人工神经网络的建筑块，并应用于复杂动态行为建模和自适应控制。文献1 3 7 l 提出了一种基于人工免疫原理的最优r b f 模糊神经网络控制器设计方案，将免疫进化算 法用于控制器参数的优化。文献 3 8 l 设计了一种基于免疫算法的模糊神经网络板厚板形综 合控制系统，用免疫算法优化具有全局性的隶属函数参数后，再用梯度下降法在线调节和 优化网络的局部性参数。文献【1 3 l 提出一种模糊自调整免疫反馈控制系统并用于激光热疗 法中组织温度的控制，其控制性能优于常规控制器。 ( 3 ) 反馈控制 t a k a h a s h i 于1 9 9 7 年提出了可应用于反馈控制器中的两种免疫反馈机制。第一种机 制为效应细胞和被激活的细胞之间的免疫规律，第二种机制为抑制细胞对适应性免疫应 答的抑制作用。t a k a h a s h i 提出用一系列离散的方程构建免疫反馈控制器，这些方程包含 了抗体、抗原、辅助细胞和效应细胞。系统使用神经网络来定义免疫反馈控制器的些 参数，离散方程中的变量为欧几里得形态空间中的实际向量。t a k a h a s h i 将免疫反馈规律 与p i d 控制结合，设计了一个p i d 型免疫反馈控制器并用于控制带有非线性干扰的d c 伺服马达系统。t a k a h a s h i 还设计了基于t 细胞的免疫反馈规律的自调整免疫反馈控制 器，它包括用于控制反应速度的激活项和用于控制稳定效果的抑制项。 ( 4 ) 顺序控制 o o t s u k i 和s e k i g u c h i 于1 9 9 9 年提出了一种基于免疫的顺序控制方法。他使用p e t r i 网络和免疫网络理论开发其模型，其顺序控制设备部件的离散动态性能模拟像p e t r i 网络 的状态机的结构。与p e t r i 网络一样，控制顺序可以分解成几个子闯题，而系统的动态性由 一组微分方程控制，描述网络部件之间的相互作用。该法对分布式、部件高度自由、大规 模模型更具优越性，可用于过程控制系统、大型信息系统等的建模l3 9 l 。 ( 5 ) 机器人控制 i h i g u r o 等人于1 9 9 6 年提出了一种基于免疫网络理论的机器人行为规划框架 i m m u n o i d ，这种方法中机器人检测到的当前环境( 如阻碍的距离和方向等) 和能力模块分 别相当于免疫网络中的抗原与抗体，而能力模块之间的相互作用相当于抗体间的刺激和 抑制。l h i g u r o 基于生物免疫系统是通过抗体之间四个或五个链来成功地维持着生物组 织，提出了一种互联耦合免疫网络模型，即生物免疫系统是通过多个完成某一特定任务 的局部免疫网络之间相互通讯形成大规模免疫网络，这种模型已被用于六足行走机器人 的步法协调控制。l e e 基于细胞选择和独特性网络的控制机理构造了一个人工免疫系统 模型，将机器人个体视为b 细胞环境条件视为抗原，行为策略视为抗体，该模型已应用于 分布式机器人系统的协同控制之中。m i t s u m o t o 将免疫系统的自体一非自体识别网络可在 第一章概述 动态环境中适应和产生移动测量的免疫算法应用于多机器人的软件结构，将免疫系统中 b 细胞之间的相互反应机理即b 细胞能在动态变化的环境中保持其数量的平衡的特性应 用于多机器人系统的控制结构。文献1 提出了能较快适应环境空间的基于免疫算法的移 动机器人路径规划方案。人工免疫系统在机器人控制方面的应用很好地体现了人工免疫 系统的智能突现和群体智能特性，但对于动态环境的适应性还有待进一步提高。 ( 6 ) 自适应干扰中和器 i s h i d a 提出了基于自体耐受原理的自适应干扰中和器，具有识别、中和干扰的能力 ”1 。具体实现分中和器产生、自体耐受建立、非自体记忆3 步进行。 除了上述几个方面的应用，a i s 在模式识别、图像处理、机器人控制等方面部有广 泛的应用。由于a i s 具有独特的分布式、自适应、自组织系统功能和并行、鲁棒的信 息处理能力，因此是个重要且非常有意义的研究方向。它一方面提供人们智能地解决许 多实际问题的有效途径，为从生物免疫系统新的研究成果，概括更为完善的免疫计算智 能模型开辟途径；另一方面开发基于生物免疫系统的计算机模型有助于免疫系统操作的 研究，用计算机程序明晰地模拟免疫系统等，可促进人们在计算机上模拟人体免疫系统， 在加快新药研制等方面具有重要应用价值。总之，a i s 的研究将在各个领域发挥重大的 作用，从而带给人类社会更大的进步。 1 3 人工免疫算法 生物免疫系统的多样性、耐受性、大规模并行分布处理、自组织、自学习、自适应、 免疫记忆和鲁棒性等的特点，近年来受到国内外许多学者的高度重视。目前从事人工免 疫系统的研究人员主要分布在美国、日本、英国、巴西、波兰、比利时、中国等国家。 1 9 7 4 年美国诺贝尔奖获得者，医学家、生物学家、免疫学家j e m e 提出了免疫系统的第 一个数学模型，奠定了免疫计算的理论基础【1 2 】。1 9 8 6 年f a m e r j d 提出了免疫网络的数 学描述，为基于免疫原理的计算系统的发展开辟了道路【1 4 l 。1 9 8 9 年v a r e l a 讨论了免疫 网络以某种方式收敛的思想及通过产生不同的抗体和变异适应新环境的能力，为免疫系 统有效地解决工程问题做出了巨大贡献 i5 1 。1 9 9 4 年，美国计算机安全科学家f o r r e s t 博士 提出了否定选择算法，并将该算法应用于模拟实现自体耐受过程，另外还提出了人工免 疫系统的一些基本概念1 1 6 1 。1 9 9 9 年，h u n t 发展了克隆选择原理，并提出了高频变异学说 0 7 1 。 免疫算法的设计思路有两种，一是结构和机理的模拟，一是输入输出和功能上的模 拟。免疫算法可分为基于群体的免疫算法和基于网络的免疫算法两大类。基于群体的免 疫算法构成的系统中的元素之间通过间接方式联系，系统组成元素直接和系统环境相互 作用。基于网络的免疫算法构成的系统中的部分或全部元素之间都能够相互作用。实际 应用中，常常将免疫算法与进化算法或人工神经网络等相结合形成一些新的算法。如免 大庆石油学院硕仁研究生学位论文 疫遗传算法u n o r t h o d o x 神经网络、p d p 网络、r b f 神经网络、a n n i 网络模型、基于 免疫的b p 网络设计、基于免疫的模拟退火算法、抗体网络等。免疫学习机制中的一些 思想如克隆选择、亲和力成熟和网络动态性可较多地被用于控制领域中。 目前主要存在两种类型的免疫算法，一种是基于免疫学原理的免疫算法；一种是与 遗传算法等其他计算智能融合的免疫遗传和进化算法。本文将介绍基于免疫学原理开发 的克隆选择算法和动态规模免疫算法，同时还将介绍几种免疫遗传和免疫进化算法。 1 3 1 克隆选择算法 克隆选择原理是用来描述免疫应答基本特征的理论，该理论认为只有那些可以识别 抗原的细胞才会被选择，发生增殖，而那些不能识别抗原的则不会被选择。被选择的细 胞受制于亲和成熟过程。巴西c a m p i n a s 大学的d ec a s t r o 博士基于克隆选择基本原理 提出了克隆选择算法1 2 6 1 ，通过验证该算法在解决复杂机器学习问题，如模式识别和多模 式优化上有很好的效果。该算法具体步骤如下( 如图1 1 所示) ： 图1 1 克隆选择算法流程图 ( 1 ) 产生初始群体p ，包括记忆群体m ； ( 2 ) 根据亲和度大小从p 中选择n 个最好个体； ( 3 ) 克隆这n 个最好个体，克隆的规模随亲和度的大小而改变； ( 4 ) 克隆后的个体产生突变，突变概率与抗体的亲和度成正比反比； ( 5 ) 在新产生的群体中重新选择一些好的个体构成记忆群体。母体中的一些个体被新 群体中的其他好于母体的个体取代； ( 6 ) 插入新个体替换n 个低亲和度个体，以保持群体多样性。 在用克隆选择算法求函数f ( x ，y ) = x s e n ( 4 ； r x ) 一v s e n ( 4 ：, r v + ，r ) + 1 最大值的实验中， 9 第一章概述 算法不仅搜索到该函数的全局最大值，而且得到了局部最大值。遗传算法在解决同样问 题时只可搜索到全局最大值。由此可见克隆选择算法在解决多模式问题时的有效性。 执行该算法的第二步和第三步时，如果整个群体亲和度都很高，全部被选择克隆的 话，则会造成贪婪搜索。如果这些个体很接近，亲和度差别不大的话，它们克隆的数目 也会近乎相同。第五步，若突变后大量抗体都比母体好，那么母体群中很多个体都会被 取代，这样很可能造成群体多样性差的缺点。而且，由于克隆及随机插入新个体等步骤， 会使整个群体规模加大，算法实现过程难，容易导致停机现象。此外，克隆选择时只选 择最好的抗体进行克隆，通过仿真发现这样容易产生多样性差的缺点。 1 3 2 动态规模免疫算法 重庆大学张著洪博士利用小生境概念，克隆选择算法的部分机制，借助抗体浓度概念， 设计抗体评价策略和特定的免疫算子，提出一种动态确定进化群体规模的免疫算法2 7 1 ， 解决多模态函数优化问题。此算法突出了免疫系统的自适应能力，且具有自动确定群体 规模及并行搜索最优解等特点。仿真事例表明，该算法能快速搜索最优解，对于解决工 程问题有一定的有效性。该算法可描述如下： ( 1 ) 确定进化代数n 一0 ，随机产生规模为n n 的初始群体a n ； ( 2 ) 复制a f l 中激励度最高的一个抗体作为抗原a g ； ( 3 ) 选择a n 中i n t ( a l a , 1 ) 个亲和度较高的抗体构成群体a n i ，其余部分构成a f l 2 ； ( 4 ) 对凡l 中每一抗体a b 按突变率口突变，即：设抗体a b 表示为h b - = ( x l , x 2 ，x p ) ，抗 原一岛表示为爿岛= ( 只。，咒：，) o ) ，a b 按下式进行超突变 一6 + - a b + p ( 以一a b ) ，【o ，口】 ( 1 - 1 ) 口= 1 一e x p ( 一0 爿6 一彳岛1 1 ) 其中1 3 为 o ，口】上的随机数，从而获4 1 1 ( 5 ) 消除4 。中相同的抗体，选择未被消去的抗体中i n t ( 叩l a 。i ) 个抗体构成厶：； ( 6 ) 根据 l ，( 爿岛) 一，( 彳6 川 0 ，则在r 时间间隔内抗原 自我复制的数量为”1 ： a 1 1 ( f ) = a l ( t ) a t ( 2 1 ) 如果抗原与杀伤因子相遇，则抗原有可能被消灭，其可能性与抗原和杀伤因子在单 位时间内相遇的几率成正比。1 ，故假设在f 时间间隔中抗原的减少量为： a ，2 ( f ) = - r l l ( t ) k ( t ) a ( t ) ( 2 2 ) 其中r 0 为杀伤因子对抗原的杀伤比率。由( 2 - 1 ) 、( 2 - 2 ) 式可知抗原在f 时间间隔 内的变化量为： a i ( t ) = a l , o ) 一a 1 2 ( f ) = ( o t l ( t ) 一r l l ( t ) k ( t ) ) a t 即：j ( f ) = c t i ( t ) 一r l i ( t ) k ( t ) ( 2 3 ) 根据免疫学知识，当识别因子与抗原相遇并成功识别抗原后将触发两个过程”1 ：一 是识别因子将以比抗原自我复制快得多的速度复制自己；二是识别因子激活杀伤因子。 假设在血时间间隔内识别因子的变化量与抗原数量的平方成正比“1 ： ar(t、=材2(oat(2-4) 用微分形式表示： r ( t ) = k 2 ( f ) ，r ( o ) = 民 0 ( 2 5 ) 对于杀伤因子来说，一方面它受识别因子的激发而活跃；另一方面，杀伤因子在杀 灭抗原的同时会死亡。对于第一方面，设在单位时间内被识别激活的杀伤因子的数量正 1 7 第二章基于免疫算法的控制器设计及仿真研究 比于同一时间问隔内识别因子的数量“，其比例系数为v 0 ： k ( f ) = v r ( 0 6 t ( 2 6 ) 对于第二方面，设自然死亡率为 0 ，杀灭抗原造成的死亡率为a 0 ，于是单位 时间内杀伤因子的死亡数量为： 丛2 ( f ) = ( - i t k ( t ) 一旯，( f ) ) 血 ( 2 7 ) 合并( 2 - 6 ) 、( 2 7 ) 式，并表示成微分方程： 霞( f ) = 足( f ) 一2 1 ( t ) + v r ( t ) ( 2 8 ) 至此，我们已经得到了特异性免疫的双因子反馈调节的动力学方程： i ( 0 = a i ( t ) - r l i ( f ) k ( f ) 友( f ) = ，2 ( f ) ，r ( o ) = r 足( f ) = v n ( t ) 一a ，( f ) 一足( f ) 喜e 中：a o , q o ，k 0 ，v o ，_ l o ，r o ，( f ) o ，足( f ) o ，r ( t ) o 2 2 2 免疫控制器的设计与实现 ( 2 - 9 ) 抗原是入侵生物体，使生物自身平衡被打破的外界干扰，控制系统中的偏差是能够 衡量系统偏离平衡状态的量：且控制系统中控制量的作用目的是使偏差减小甚至为零， 这正好与生物体中的杀伤因子对抗原的作用效果一致。因此本文假设控制系统的偏差 d f ) 是抗原，( f ) ，对被控对象的控制量“( f ) 是杀伤因子k ( t ) ，根据( 2 - 9 ) 式就可以得到双 因子免疫控制器模型，但是所得到的免疫控制器共有7 个可调变量，不利于实际使用； 另外在借鉴生物免疫模型构建免疫控制器时，既要将生物免疫的主要特点继承下来，又 要考虑工程控制中的实际情况，鉴于以上考虑，重新构造( 2 - 9 ) 式如下： ( 1 ) 实际应用时，由于日口述原因，以偏差e ( t ) 替代抗原，( f ) 。省略免疫动力学模型( 2 - 9 ) 中抗原的自我复制项。又因为实际控制过程中偏差p ( f ) 会有正有负，故此令： l ( t ) = 叩【k ( f ) l ，( f ) ( 2 一l o ) ( 2 ) 生物免疫学认为，识别因子的数量受入侵抗原的刺激将以大大快于比例关系的速 度增加h “。但是到目前为止，这种增加的速率并没有准确定量的描述。因此本文假设识 1 别因子的自我复制速度与抗原数量的t e 例系数k 为时间t 的函数，即k ( t ) = 击 1 十e 这里值得说明的足，之所以选取这个函数是由于抗体数量的增加是随着抗原的数量逐步 夫痰石油学院颟l 二霹究生学位论文 增加的，而此函数的特性曲线恰熊反映它们之间变化的过稷，如2 2 图所示 图2 2 避数毒2 i 焉i 静特性趣线 因此，可以得到下式 詹o ) = 七o ) ，2 0 ) ，盖i o ) = r ( 2 1 1 ) ( 3 遴鬻揍瑟下，蓉谤霆子懿鑫然死亡辜远，l 、予杀灭抗纂恣戏翁死亡率，必麓擎起羹， 令“* 0 。 考虑上面韵3 个假设，则( 2 9 ) 式变为如下缀过适当改造嬲动力学模型： 子。 j ( f ) = 叮l 屉( f ) l ，( f ) 矗( d = k ( t ) 1 2 ( f ) 置( o ) = k ( t ) = 勰露) 一五j 8 ( 2 1 2 ) 定义1 ( 广义识剃邂子) ：定义尸移) = 7 8 ) + 最( f ) ，并称p ( t ) 为免疫系绕的广义识别因 令v = a ，并考虑广义识别因子，由( 2 1 2 ) 式可得到如下模型： | 摊) = ( k ( t ) e ( t ) + r l l u ( t ) 1 ) e ( t ) ，尹( o ) = 咒 l = v p ( t ) 称式( 2 - 1 3 ) 为双因子免疫控制模型 将式( 2 1 3 ) 合并成一个微分方程得到： 彝f ) = ( r e ( t ) + f l u ( t ) d e ( t ) ，”( = ( 2 1 3 ) ( 2 1 4 ) 第二章基于免疫算法的控制器设计及仿真研究 其中：，= v k ( t ) o ，= v q 0 ，双因子免疫控制器结构如图2 3 所示： 图2 3 双因子免疫控制器结构图 2 2 3 双因子免疫控制器的一阶跟踪特性 积分特性( 又称为一阶跟踪特性) 是传统控制器的一个重要特性，它保证了被控系统 具有无差跟踪恒定输入控制信号的能力。控制器具有无差跟踪恒定输入控制信号的能 力，这一特性在工业应用中具有重要的实际意义。 将双因子免疫控制器用于控制系统，可以得到如图2 4 所示的一般形式的免疫控制 系统。其中厂( p ，雄) 表示双因子免疫控制器，g ( s ) 表示线性被控对象，j ( f ) 表示系统的 输入信号，y ( f ) 表示系统干扰，】，( f ) 表示系统输出。 图2 4 免疫控制系统结构图