簡介
由生物引發的信息處理系統,主要有神經網路、進化計算和人工免疫系統。近年來神經網路和進化計算得到了國內外研究學者的極大重視,並已被廣泛地套用於各個領域。而另一類主要信息處理系統,人工免疫系統,由於其複雜性,目前得到的研究成果較少。免疫系統通過從不同種類的抗體中構造的非線性自適應網路,在處理動態變化環境中起主要作用。從工程角度講,免疫計算系統結合人類先驗知識和免疫系統的自適應能力,具有許多有意義的特性,給當前智慧型控制提供了一種強大的選擇,具有提供新穎的解決複雜問題方法的潛力。
原理
免疫系統是生物所必備的防禦機理。免疫系統中最重要的細胞是淋巴細胞,且主要有B和T兩類淋巴細胞。在整個生命過程中,B細胞持續地從骨髓產生,其主要功能是產生抗體,執行特異體液免疫功能,其過程由 ? 細胞調節;T細胞由胸腺產生,執行特異細胞免疫和免疫調節功能。T細胞分抑制T細胞和輔助T細胞,分別用於抑制和幫助B細胞對某一刺激的反應。
由於T細胞在免疫反應中起關鍵作用,主要考慮B細胞和T細胞之間的反應,即抗原(Ag)、抗體(Ab)、C 細胞(B)、輔助T細胞(Th)和抑制T細胞(Ts)之間的反應。當抗原被抗原遞呈細胞消化後,抗原遞呈細胞將關於抗原的信息傳遞給Th細胞,分泌白細胞介素(IL+)激活免疫反應,這是主要反饋機理。然後白細胞介素刺激B細胞和 Ts細胞。當抗原被抗體消除後,免疫反應就完成了。也就是說,當抗體增加,Ts 細胞分泌白細胞介素(IL-)來抑制免疫反應,執行抑制機理,於是,免疫系統反應得以穩定。抑制機理和主反饋機理之間相互協作是通過免疫反饋機理對抗原的快速反應和很快地穩定免疫系統來完成的。以上免疫反饋機理可用下圖表示。
由上圖可知,當抗原進入機體,經周圍細胞消化後,將信息傳遞給T細胞,即傳遞給Th細胞和Ts細胞,Ts細胞用於抑制Th細胞的產生,然後共同刺激B細胞。經過一段時間後,B細胞產生抗體以清除抗原。當抗原較多時,機體內Th細胞亦較多,而Ts細胞卻較少,從而產生的B細胞會多些。隨著抗原的減少,體內Ts細胞增多,它抑制了Th細胞的產生,則B細胞也隨著減少,經過一段時間後,免疫反饋系統便趨於平衡。
規律
基於以上T細胞反饋調節的原理,考慮以下簡單的反饋機理。定義在第k代的抗原數量為 ,由抗原刺激的 細胞的輸出為 , 細胞對B細胞的影響為 ,則B細胞接收的總刺激為:
其中,
若將抗原的數量 作為偏差,B細胞接收的總刺激 作為控制輸入 ,則有以下反饋控制規律:
考慮到常規P控制器的控制算法為
其中 為比例增益。
將兩個式子比較可以知道,基於免疫反饋機理的控制器是1個非線性P控制器,其比例增益
隨著控制器輸出的變化而變化。
設計
免疫反饋控制系統的框架如下圖所示:
其中,免疫控制器由1個基本的P型免疫控制器和1個控制增量模組組成,其設計參數由1個智慧型調節器來學習和調節。控制增量模組是根據常規控制理論中的極點配置方法來設計的。對於1個n階對象,控制系統的階數應為n-1。於是,對P型免疫控制器的輸出經控制增量模組運算後,整個控制器的輸出應為
若用離散形式,則
式中: 為P型免疫控制器在k時刻的輸出; 為採樣間隔。於是,整個控制器算法的離散形式為
在免疫控制器中,需要線上設計基本的P型免疫控制器中參數,當控制增量模組中的階數較高時,需要設計的參數較多,難以得到1組滿意的設計參數組合。此時,可以考慮用1個智慧型調節器來學習和調節免疫反饋規律中的設計參數。具體實現時,智慧型調節器可採用模糊控制器、神經網路或遺傳算法等集成來實現。因為模糊控制器和神經網路都被證明是萬能函式逼近器,能逼近任意的線性或非線性函式。從另一方面講,模糊控制器或神經網路也是構造非線性函式逼近器的一種有效方法。而遺傳算法是一種全局最佳化算法,能得到一組最優的控制參數,使整個免疫控制系統達到最優。
仿真
以上述免疫反饋控制器為例,將其用於控制一個三階對象和一個非線性對象,並與線性控制器進行比較。三階對象和非線性對象的模型分別為
為了使免疫智慧型控制器和線性控制器有可比性,二者都採用PID型控制器。此時免疫控制器中增量模組選用三階。在設計免疫反饋控制系統時,先用參數調整方法,線上設計線性PID控制器。然後根據PID型免疫控制器的增益與PID控制器的增益之間的關係式來調整免疫控制器的設計參數。
下圖分別為PID型免疫智慧型控制器和對應的PID線性控制器的仿真結果:
計算機仿真結果表明,所設計的免疫反饋控制系統比對應的線性PID控制系統的性能優越 。