基于克隆选择的免疫预测控制方法

《基于克隆选择的免疫预测控制方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于克隆选择的免疫预测控制方法龚固丰，章兢，王炼红（湖南大学电气与信息工程学院，长沙410082）摘要：本文将克隆免疫算法与预测控制结合而提出了一种免疫预测控制方法。该算法利用克隆选择算法实现预测控制的滚动优化,避免了求Diophantine方程及逆矩阵及复杂的推导。仿真结果表明，该方法对时滞系统、非最小相位系统、不稳定对象、非线性系统、MIMO系统都能达到理想的控制效果，对外部干扰及建模误差具有很好的适应性。关键词：模型预测控制；非线性预测控制；约束；免疫优化算法；免疫算法；克隆选择算法.中文分类号：TP273文献标示码：AImmuneP

2、redictiveControlMethodBasedonCloneSelectionAlgorithmGONGGu-Feng,ZHANGJing(CollegeofElectricalandInformationEngineering,HunanUniversity,Changsha410082,China)Abstract：AnimmunepredictivecontrolmethodbasedonCloneSelectionAlgorithmisproposed.Thealgorithmisbasedontheautoregressi

3、vemovingaverage(ARMA)modelandrollinghorizonoptimizationbyusingcloneselection,andavoidssolvingtheDiophantineequations.Thesimulatingresultsshowthealgorithmcaneffectivelyhandlethetimedelaysystem,non-minimumphaseoftheprocess,theinstabilityprocess,MIMOandnonlinearsystems,andcan

4、effectivelycopewithdisturbanceandmodeluncertainty.Keywords：modelpredictivecontrol;nonlinearpredictivecontrol;constraints;immuneoptimization；CloneSelection1引言预测控制自七十年代中期出现以来，经历了近三十年的发展，由于其独特的优越性，符合过程控制的原理、具有较强的适应性和鲁棒性，在工业控制领域获得了广泛的应用，被认为是过程控制最有效的控制策略[1][2]。预测控制以预测模型为基础，采用二次

5、型目标函数通过求解Diophantine方程及逆矩阵在线滚动优化性能指标和反馈校正的策略，来克服受控对象建模误差和结构、参数与环境等不确定性因素的影响[3]。但由于工业过程的动态关系复杂、目标多样、不确定性难以参数化，高精度的对象数学模型很难得到，在很多情况下Diophantine方程难以求解；并且算法种类繁多没有统一的形式，许多算法的推导过程过于复杂,这些因素都影响了预测控制的应用推广。近年来与模糊控制[4][5]、神经网络[6]、进化算法[7][8]等相结合而出现的新型智能预测控制成为新的研究热点并得到了大量应用。生物免疫系统由免疫器官

6、、免疫组织以及多种淋巴细胞组成，它们分布于整个身体，自适应识别侵入机体的抗原并作出免疫应答，最终消灭抗原。免疫系统是一个自适应、并行分布分散式、自学习、自调整的具有联想记忆功能的鲁棒系统。人们基于生物免疫原理提出了多种人工免疫模型与算法，并应用于优化计算、故障诊断、模式识别、机器学习、和数据分析、自动控制等领域[9][10]。本文提出了一种基于克隆选择的免疫预测控制算法，利用克隆选择算法实现滚动优法，避免了求解Diophantine方程及逆矩阵。在算法中预测模型直接采用非线性自回归滑动平均模型(NARMAX)，而大多数模型都可以看作NARM

7、AX的特例，因而本算法可以使用大多数模型作为预测模型；直接在亲和力函数中引入罚函数来实现约束，非常便利。由于本算法具有免疫系统的特征，是一个全局寻优的优化算法，在处理多目标、约束条件、非线性、MIMO等控制问题非常便利，并能达到很好的控制效果。2克隆选择算法免疫应答产生抗体是免疫系统的学习过程，当机体被抗原入侵，抗原被一些亲和力高的B细胞识别，这些B细胞分裂，产生更多的子细胞，部分分裂的子细胞在母细胞的基础上部分基因突变，产生更多种类的B细胞寻求与抗原匹配更好的B细胞，与抗原匹配更好的子B细胞再分裂，如此循环往复，最终找到与抗原完全匹配的B

8、细胞，B细胞变成浆细胞产生抗体，这一过程就是免疫系统的克隆选择过程。deCastroeCastro[11]基于免疫系统的克隆选择理论提出了克隆选择算法，这是一种模拟免疫系统的学习