人工克隆选择算法在自适应控制参数整定中的应用研究毕业论文

本科毕业设计（论文）

题目：（中文）人工克隆选择算法在自适应控制参数整定中的应用研究

（英文）The research on the Artificial

clonal selection algorithm applied in adaptive control parameter setting

宁波大学信息学院本科毕业设计（论文）

诚 信 承 诺

我谨在此承诺：本人所写的毕业论文《XXXXXXXX》均系本人独立完成，没有抄袭行为，凡涉及其他作者的观点和材料，均作了注释，若有不实，后果由本人承担。

承诺人（签名）： 年 月 日

I

人工克隆选择算法在自适应控制参数整定中的应用研究

摘 要

【摘要】免疫克隆选择算法是一种模拟生物学中的抗体克隆选择的机理，通过克隆操作、免疫基因操作以及选择操作等新型的算法，以实现高效搜索，它不要求问题必须具有可微、连续特性，是免疫算法的一个新兴发展方向。

本论文以MATLAB作为数据处理工具，用克隆选择算法搜索最佳的PID参数。应用改进的克隆选择算法对PID控制器参数进行优化设计，与其他算法比较的结果表明，免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题。并在此基础上对一个给定的非线性对象进行PID整定，并使之达到精度要求。

【关键词】克隆选择算法；PID控制；MATLAB；非线性对象。

II

宁波大学信息学院本科毕业设计（论文）

The research on the Artificial clonal selection algorithm

applied in adaptive control parameter setting

Abstract

【ABSTRACT】Immune clonal selection algorithm is a new mathod of simulating the antibodies in the biology of clonal selection mechanism, through cloning operation, the immune gene manipulation and selecting operation, the new algorithm is used to reach efficient search.

This paper use MATLAB as a tool of data processing,useing the clonal selection algorithm search the best PID parameters. Using the improved clonal selection algorithm to optimize the PID arguments,the result of comparing with other algorithm of the comparison results show that the immune clonal selection algorithm convergence speed, high precision, good stability, and can effectively overcome early-maturing problem. And on this basis for a given object nonlinear PID setting, and to make it meet the accuracy.

III

人工克隆选择算法在自适应控制参数整定中的应用研究

【KEYWORDS】Algorithm clonal selection; PID control; MATLAB; nonlinear object.

目 录

1 绪论 ............................................................................. 1 1.1 课题研究的背景与意义 ......................................................... 1

1.1.1 课题研究的背景 ........................................................... 1 1.1.2 课题研究的意义 ........................................................... 1 1.2 克隆选着算法的研究现状与发展 ................................................. 1 1.2.1 克隆选着算法的研究现状 ................................................... 1 1.2.2 克隆选着算法的发展 ....................................................... 2 1.3 本课题的主要任务与目标 ....................................................... 2 2 克隆选择算法的基本理论 ........................................................... 4 2.1 2.2 2.3 2.4 2.5

克隆选择算法的生物学基础与原理 ............................................... 4 克隆选着算法的结构与实现 ..................................................... 4 克隆选择算法的优点 ........................................................... 6 克隆选择算法的缺点 ........................................................... 7 本章小结 ..................................................................... 7

3 基于克隆选择算法的优化 ........................................................... 9

IV

宁波大学信息学院本科毕业设计（论文）

3.1 前言 ......................................................................... 9 3.2 克隆选择算法的操作算子 ....................................................... 9 3.2.1 编码策略 ................................................................. 9 3.2.2 亲和度计算 .............................................................. 10 3.2.3 选择 .................................................................... 10 3.2.4 克隆 .................................................................... 11 3.2.5 交叉 .................................................................... 12 3.2.6 变异 .................................................................... 12 3.2.7 浓度抑制 ................................................................ 12 3.3 算法的改进 .................................................................. 13 3.4 多峰函数测试 ................................................................ 13 3.5 结果分析 .................................................................... 18 3.6 小结 ........................................................................ 18 4 PID控制器参数优化 .............................................................. 20 4.1 PID控制 .................................................................... 20 4.2 克隆选择算法PID控制器参数整定 .............................................. 21 4.3 仿真 ........................................................................ 21 4.3.1 线性系统 ................................................................ 21 4.3.2 非线性系统 .............................................................. 22 4.4 结果分析与讨论 .............................................................. 25 4.5 小结 ........................................................................ 25 5 结论与展望 ...................................................................... 27 参考文献 ............................................................................ 28 致谢 ................................................................................ 30 附录 ................................................................................ 31

V

宁波大学信息学院本科毕业设计（论文）

1 绪论

1.1

课题研究的背景与意义

1.1.1 课题研究的背景

随着科学技术的进步和发展，人们对工业生产的要求越来越高，不仅要求产品质量好，同时要求尽可能的节约材料，实现资源利用最大化。PID控制是生产过程控制中历史最悠久、使用最为广泛的一种控制方式，它具有结构简单、鲁棒性强、可靠性高、易于操作等等的优点，其中PID的参数整定是用来保证PID控制质量的一个参数寻优的重要过程。目前，在工程上最主流的PID参数整定的主要方法有如下几个：衰减曲线法、快速整定法、临界比例度法、继电器法、Z-N法等。虽然这些PID参数整定的方法能在不同程度上满足实际应用的要求，但是，由于PID控制器其本身还存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间、静态与动态之间等矛盾，除此之外，PID控制器还有参数具有不确定性和不知道最优解的不足，使得PID的参数整定仍然是一个非常困难、烦琐的问题。

1.1.2 课题研究的意义

为了提高产品质量,增加产量，节约原材料，使得产品的生产管理及其生产过程始终处于最佳工作状态，我们在实际的生产中采用自适应控制参数整定，并且加入人工克隆选择算法，在这种控制中要求系统能够根据被测参数，环境及原材料的成本的变化而自动对系统进行控制调节，使系统一直处于最佳状态。

免疫克隆选择算法是模拟生物学中的抗体克隆选择的机理通过克隆操作、免疫基因操作以及选择操作等新型算法，实现高效的搜索，它不要求问题具有可微、连续特性，是免疫算法中的一个新兴发展方向。免疫克隆选择算法,描述了算法的操作过程。采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题。

克隆选择学说作为免疫系统的的重要机理，描述的记忆、学习和进化等特性越来越受到人工智能研究者的重视。

1.2

克隆选着算法的研究现状与发展

1.2.1 克隆选着算法的研究现状

目前在自适应控制中应用人工克隆选择算法已成为一种新兴的研究方向。并且国内不少专家早已

1

人工克隆选择算法在自适应控制参数整定中的应用研究

开始着手与相关方面的研究，如韦巍、张国宏教授共同研究的人工免疫系统及其在控制系统中的应用，浙江大学的罗小平教授研究的人工免疫遗传学习算法及其工程应用研究等等。

免疫克隆选择算法是通过模拟生物学中的抗体克隆选择的机理，他把生物的克隆操作、免疫基因操作和选择操作等作为新的算子，用来实现高效搜索。而且免疫克隆选择算法对问题是否可微、连续没有要求，它是免疫算法一个新兴的发展方向和趋势。

免疫克隆选择算法最常用的两个选择操作是克隆选择以及(μ+λ) 选择。克隆选择是指从父代的抗体和其克隆繁衍的子代种群中选取具有优势的抗体，使其进入下一代个体中。因此克隆选择本质是一种局部择优的选择机制。而(μ+λ) 选择采用了达尔文的生物进化论的观点，用的是生物的“优胜劣汰”的进化准则，直接在父代和子代种群中，选择优势的抗体，构成下一代的种群。

但是,两种选择策略各有优势和不足之处.目前的免疫克隆算法通常单纯采用其中一种方式,为兼顾全局探索和局部搜索能力, 最新提出了一种结合克隆选择和(μ+ λ) 选择的混合选择机制,提高算法的收敛速度和进化性能，即是一种自适应的免疫克隆选择算法。

自适应的克隆选择算法采用了一种文化的双层进化的机制，通过上层的信度空间用来实现对其进化过程中隐含信息的提取，然后，通过知识的形式对种群的空间的进化情况进行描述；通过底层的种群空间用来实现克隆选择免疫算法，根据信度空间的知识，采用自适应的混合调节选择策略，自动调节其中克隆选择和(μ+λ)选择作用的比例。

参考其它文献研究可知：自适应克隆选择免疫文化算法在整体上具有较高的求解精度、较好的解稳定性和收敛能力；而采用克隆选择机制的ICSA 算法容易陷入局部较优解，解稳定性较差；采用μ+λ选择机制的ICP 算法收敛速度较慢。

1.2.2 克隆选择算法的发展

在自适应控制参数整定中应用人工克隆选择算法的研究作为一个比较新的研究方向。尽管目前控制参数整定已经有不少方法，但是这些方法都不够完善，所以该研究的发展趋势是不断完善参数的控制，使得控制更加精确，工业生产更加高效。并且，该技术可以在各种领域里得以运用，如工业控制，导弹精确导航等等方面。

我觉得，对于工业过程中的参数控制，可以采用不同的选着算法，取长补短，以获得最优方案。 1.3

本课题的主要任务与目标

PID控制器是目前应用最普遍的控制器，但目前PID控制参数的整定还没有统一的方法，通常基于经验或离线的工程整定方法。本课题要求在调研相关资料的基础上，将克隆选择用于对象控制

2

人工克隆选择算法在自适应控制参数整定中的应用研究

2 克隆选择算法的基本理论

2.1

自地球上出现生命以来，生物在不断地遗传，变异和自然选择的作用下不断演化发展，出现了物种的淘汰和新物种的产生过程。这些物种的每个个体都继承父代基本特征，但但又不完全同于父代，出现了一些新的变化，若适应环境，则被保留了下来随着生物不断地进化。

克隆选择算法在生物进化论的基础上，模拟免疫系统对病原的特殊提取，识别，响应，自适应调节，学习和记忆等能力，排斥病原，维护生物体内环境稳定的免疫机制，提供了一个克隆选择算法研究的新方向。

克隆选择基本原理：在生物中，那些能够识别抗原的细胞，才能够进行自身的克隆扩增，而且只有亲和度高的那些细胞，才能不会被淘汰，把其选择保留，并对其进行大量的克隆扩增，而那些对抗原没有识别能力的细胞，则不会被选择，也不会进行复制，甚至可能会删除。克隆选择的学说跟达尔文的优胜劣汰的自然选择学说非常类似，克隆选择它只是作用范围是细胞群体，克隆竞争相当于自然界的竞争，亲和力高的个体就相当于适应性强的，具有优势的生物，因此这些个体会大量的复制，才能得到更多的资源。

2.2

首先，来了解一下免疫系统是如何工作的。当外部的病毒或者细菌侵入机体之后，B细胞就会开始大量的繁衍，并且消灭那些入侵者，那些和抗原亲和力越高的B细胞，则能更多的繁衍后代。在细胞的分裂过程中，每个个体都有一定的概率经历一个变异的过程，使得到的抗原具有更高的亲和度，这个变异的概率跟父代个体与抗原的亲和度，高低有关，当父代细胞跟抗原亲和力越高时，发生的变异就越小。反之则越大。

在我们解决实际问题的时侯，我们常把目标函数及其约束条件作为抗原输入，产生初始种群，然后通过一系列的进化操作以及亲和力的计算，在保证抗体多样性的前提下，找出针对该抗原的抗体，也就是问题的解。

克隆选择算法的大体步骤如下: 1)初始化各参数； 2)随机产生初始抗体群体；

4

克隆选择算法的生物学基础与原理

克隆选着算法的结构与实现

宁波大学信息学院本科毕业设计（论文）

3)用海明距离法计算亲和度； 4)对与抗原亲和力大的抗体进行克隆； 5)用轮盘赌注法选择交叉，变异的对象；

6）根据需求，对中秋规模进行抑制舍弃亲和度低的个体；

7).判断是否满足终止条件，满足则结束，否则继续重复3到 7步骤； 8）输出PID参数和输出仿真波行，结束。 其流程图如图2.1所示:

根据需求进行浓度抑制

迭代结束？ Y

结束 图2.1克隆选择算法流程图

5

初始化 随即产生初始种群 开始迭代：进行亲和度计算 选择亲和度高的个体 克隆

交叉，变异 N 输出PID参数和输出仿真波形 人工克隆选择算法在自适应控制参数整定中的应用研究

2.3

目前，比较流行的算法有克隆选择算法、遗传算法、进化算法等等，在这里，将克隆选着算法与遗传算法比较。

遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。

然而，遗传算法的缺点也很明显。具体如下：

1)最大的缺点是早熟，即算法对新空间的探索能力是有限的，容易是种群单一化，也容易收敛到局部最优解。

2)其次是对于大量计算问题的处理能力较弱。当遇到问题比较复杂，需要对大量的个体进行计算的时侯，它的计算时间是个问题。处理规模小。目前对于维数较高的问题，还是很难处理和优化的。

3)遗传算法对于处理非线性约束对象的能力也不足，遗传算法对非线性对象的处理，目前流行的方法只是简单的采用添加一个惩罚因子，但是添加一个惩罚因子遗传算法来说是一笔较大的开支，严重影响其响应速度。

4)还有就是其稳定性差。因为遗传算法是一种随机类的算法，需要多次运算，结果的可靠性差，不能稳定的得到解。

比较克隆选择算法与遗传算法，其许多的观点都是很相似的，而且其很多优缺点也类似。对于克隆选择算法来说，其比遗传算法多的步骤就是克隆和浓度的抑制，主要就是克隆请亲和度高的个体，以及当抗体浓度过大时，多亲和度低的个体进行删除的操作，这两方面的改进，是克隆选择算法比遗传算法更加优越。

克隆选择算法是一种以达尔文的优胜劣汰的进化论思想作为理论基础，通过模拟生物进化过程与机制的求解问题的自组织、自适应的人工智能技术。生物进化就是通过繁殖、变异、竞争和选择实现的。在免疫系统中，克隆选择过程与自然选择过程类似，都是克隆竞争结合病原体，亲和力最高的个体克隆最多。免疫系统通过逐步学习，不断进化的过程就是高生命力的抗体的形成过

6

克隆选择算法的优点

宁波大学信息学院本科毕业设计（论文）

程。

免疫克隆选择算法,描述了算法的操作过程，采用函数优化仿真实验，与进化算法进行比较, 收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题。虽然与进化算法类似,但免疫克隆选择算法是一种新的智能计算方法。

克隆选择算法与遗传算法比较，有以下几个优点： 1)能处理复杂、大规模的计算问题；

2)对非线性对象的处理能力更强，不像遗传算法那样依靠惩罚因子，开支大； 3)稳定性相对较好； 2.4

尽管克隆选择算法相比于遗传算法等其他算法具有一些优点，但克隆选择算法与其他算法一样，存在着和其他算法一样的缺点，比如:

1）该算法对初始种群的选择有一定的依赖性，若种群的亲和度低，则响应过程很慢； 2）算法无法控制运行过程，只能得到最后结果； 3）种群规模需要经验确定，搜索时间长； 4）多峰搜索能力比较弱；

5)与遗传算一样，会出现早期早熟现象以及末期收敛速度慢。

虽然克隆选择算法的PID参数整定的方法能在不同程度上满足实际应用的要求，但是，由于PID控制器其本身还存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间、静态与动态之间等等矛盾，除此之外，PID控制器还有参数具有不确定性和不知道最优解的不足，使得PID的参数整定仍然是一个非常困难、烦琐的问题。

2.5

在这一章里，主要叙述了克隆选着算法的生物学基础，它通过借鉴免疫系统的工作机理，加以改进，应用在算法中。以及简单的介绍了克隆选着算法的优缺点，介绍了算法的简单结构与大致流程。

然而，无论是生物进化还是免疫系统里，不会一直向好的方面发展。在生物进化中，可能会出现外因干扰从而影响物种的进化，如天灾等。在免疫系统里，也存在类似的问题，其无法消灭甚至无法抑制癌细胞的增值。克隆选着算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问

7

克隆选择算法的缺点

本章小结

本文来源：https://www.bwwdw.com/article/29lf.html