基于 NEI 调节机制的非线性智能优化控制器1

精品论文基于 NEI 调节机制的非线性智能优化控制器1刘宝 1, 2, 3，丁永生 2, 3，王君红 11. 中国石油大学（华东）信息与控制工程学院，山东东营 （257061）2. 东华大学信息科学与技术学院，上海 （201620）3. 数字化纺织服装技术教育部工程研究中心，上海 （201620）E-mail: lb314423摘要：基于神经内分泌系统的整体调节机制，提出一种新颖的非线性优化智能控制器。该控制器由提呈单元、抗体控制单元、主控单元、优化单元和辨识单元组成。提呈单元根据免 疫提呈机制对控制偏差进行动态处理，抗体控制单元通过调整控制实体的数量来消除控制偏 差，主控单元调整提呈单元和抗体控制单元的控制作用，优化单元和辨识单元优化提呈单元 和抗体控制单元的参数。仿真结果表明，相对传统 PID 控制，该智能控制器具有较好的控 制性能。关键词：神经内分泌免疫；免疫提呈；智能控制器 中图分类号：TP18文献标识码：A1. 引言20 世纪 90 年代以来，生物智能控制已经发展成为智能控制的一个重要分支，并出现了 越来越多的基于神经网络或免疫系统的生物智能控制器或算法。20 世纪 80 年代末期，ANN 得到了广泛研究1，到了 90 年代末期，基于免疫调节和相应机制的人工免疫系统（AIS）得 到了迅速发展2。最近几年，基于内分泌系统复杂调节机制的人工内分泌系统（AES）开始 得到部分学者的重视。神经内分泌免疫（NEI）系统是一个非常复杂的生理系统，在这三大 系统相互之间存在复杂的双向调节机制，具有很好的自适应和稳定性3, 4。NEI 系统生物智 能控制理论的研究，将会提供一些解决复杂问题的方法，具有一定的实际意义。然而有关这 方面的报道较少，一些研究学者曾提出几种 NEI 仿真模型4-6，如神经-免疫-皮肤内分泌网 络、免疫-神经内分泌网络等，但仅应用于医学领域。近几年来，出现了多种基于免疫系统 调节机制的智能控制器7和基于神经内分泌系统的智能控制器8，然而基于整体 NEI 系统复 杂调节机制的智能控制器的研究报道较少。本文中，基于 NEI 系统的整体调节机制，提出一种新颖的具有非线性特性的优化智能 控制器（NOIC），并给出优化调整控制参数的方法。仿真结果表明，相对传统 PID 控制， NOIC 具有较好的控制性能。2. NEI 系统调节机制NEI 系统包括神经、内分泌和免疫三大系统，它们之间存在着双向复杂的调节机制4-6。 神经系统能够通过神经递质来影响内分泌系统和免疫系统的活性；内分泌系统能够通过许多 种激素，来刺激或抑制神经系统和内分泌系统的功能；同样，免疫系统能够通过免疫细胞分 泌的细胞因子来调节神经系统和内分泌系统的功能。这样，神经系统、内分泌系统和免疫系 统三者之间通过细胞因子、激素和受体进行双向信息传递和相互作用，使人体内部的各种生 理指标处于一种稳定状态。免疫系统作为中枢神经系统的感受器官，感知体内环境的化学性 和生物性动态变化，神经内分泌对此作精确的调控，保障内环境稳定。当抗原入侵人体后，1 本课题得到教育部新世纪优秀人才支持计划（NCET-04-415），教育部博士点新教师基金（20070425518）， 中国石油大学（华东）博士科研启动基金（Y070502）的资助。- 9 -免疫系统首先通过抗原提呈细胞分解或部分消化后将抗原提呈在抗体表面即抗原提呈。经过抗原提呈以后，抗原更容易被消除。在消除抗原初期，可能会有很多抗体参与消除过程。随 着抗原数量的降低，相应的抗体数量会减少。免疫系统的实时状态通过细胞因子反馈给神经 系统和内分泌系统，神经系统和内分泌系统分别通过神经递质和多种激素来共同调节免疫系 统消除抗原过程，从而使抗原得以快速消除。这种调节机制可以抽象成如图 1 所示的调节结 构。图 1 NEI 系统调节机制3. NOIC 的设计与实现3.1NOIC 控制结构如 2 所述，当抗原入侵后首先由免疫系统对抗原进行提呈，初期会有很多抗体参与消除 过程，随着抗原数量的降低，相应的抗体会减少。同时，该消除抗原过程反馈给神经内分泌 系统，然后神经系统和内分泌系统共同调节免疫系统消除抗原过程，从而使抗原得以快速消 除。受该调节机制的启发，根据图 1 设计如图 2 所示的 NOIC。该 NOIC 由控制偏差提呈单 元 PU、抗体控制单元 ACU、主控制单元 MCU、优化单元 OU 和辨识单元 IU 等组成。ACU 由多个抗体控制实体 ACE 组成；其中，OU、IU 对应于神经系统，MCU 对应于内分泌系统， PU、ACU 对应于免疫系统。控制偏差 e(t)定义为抗原。控制偏差 e(t)首先由 PU 预处理，处 理后的偏差定义为 E(t)，并由 ACU 通过调整 ACE 数目来消除偏差。MCU 主要用来调节或 协调 PU 和 ACU 的控制作用，OU 和 IU 主要根据 GA 来优化 PU、ACU 和 MCU 的控制参 数，从而提高 NOIC 的控制性能。图 2 NOIC 的控制结构3.2NOIC 控制算法3.2.1提呈单元 PU根据免疫系统提呈机制，设计控制偏差的提呈处理算法。传统 PID 控制算法，如果缺 少积分作用则很难完全消除控制偏差。从比例作用增量输出方 程u p (k ) = K p (e(k ) e(k 1) 可知：比例作用不能消除控制偏差的原因是，当控制偏差比较小的时候， e(k ) e(k 1) 这一项几乎等于 0。据此设计提呈算法：根据抗原的特征即当控制偏差绝 对值 e(t ) 1 （ 0 1 1 ） 时，且控制 偏差的变化 绝对值 e(t) 1F(e(t) = 1e(t) ，且e(t) 12e(t) ，或e(t) （1）12其中， F (e(t ) 是一个控制偏差 e(t ) 的函数，并由 MCU 决定；E(t)是提呈后的控制偏差。值越大，PU 的灵敏度越高。3.2.2控制抗体单元 ACU基于免疫系统消除抗原机制，抗体控制体 ACE 的数目应该随着实时控制偏差的变化而 变化。ACU 的输出信号为所有 ACE 的输出信号之合。控制偏差越大，ACE 数量越大。ACU 的具体算法是：nu(t ) = K pi E(t )i =1（2）其中，E(t)是提呈控制偏差，K pi 是 ACEi 的比例增益，n 是 AC 单元中所有抗体控制实体（ACE） 的数量。假设设计 ACU 中所有的抗体控制体 ACE 的比例参数相同，则有：u(t ) = n K p E(t) .（3）由于当 n 是正实数时比正整数更实际，因此选择 n 为实数，其值由 MCU 决定。3.2.3主控制单元 MCU对应内分泌系统，主控单元 MCU 可以调节提呈单元 PU 和控制抗体单元 ACU 的控制 参数。PU 和 ACU 的控制参数可以认为是内分泌系统的不同调节激素。主控单元 MCU 能够 通过提呈函数 F (e(t ) 调节提呈单元的提呈程度，并调节提呈单元的灵敏度。提呈函数定义如下：F(e(t) = expe(t) e(t) 1, 且e(t) 2（4）1 e(t) 1, 或e(t) 2其中， 、 共同决定了控制偏差为 0 时的最大提成倍数 (1 ) ，且1 10 ，0 1.0 。主控单元 MCU 能够通过调节 ACU 中的抗体控制体 ACE 的数量，增强或减弱 ACU 的控制作用。根据控制理论，当控制偏差比较大的时候控制作用应该增强；反之，则减弱。因 此，该调节算法为：n = e(t )（5）其中， 是一个大于 1.0 的正实数，且 值的选择应该使 n 大于 1.0。NOIC 的整体控制算法如式（6）所示： u(t) = n Kp E(t)e(t) e(t) 1,且e(t) 1 ，其传递函数为：G(s) =260s + 1e 100s（9）如果利用常规控制算法控制该对象，很难获得满意的控制效果。对象 B 是一个非线性对象， 其离散化方程为（Ts=0.5s）：y(k ) = 0.8 y(k 1) 0.15( y(k 2) 2 + 0.85u(k )(10）其中，u(k), y(k)分别是输入和输出变量。NOIC 的控制性能和传统 PID 控制算法进行了比较，且传统 PID 控制算法的控制参数的优化条件与 NOIC 的优化参数相同。在仿真过程中，每一 个 种 群中的 个 体数目 是 50 ，交 叉 和突变 因 子分别 是 0.9 和 0.05 ， 权重因 子 是g1 = 0.999 g 2 = 0.001 , g 3 = 2.0 , g 4 = 100 。对于对象 A，其控制参数设置如下： K p 0,5 ，K i 0,10 ， K d 0,5 ， 1,10 ， 0,10 ， 0,1.0 和 0,1.0 ，其中 K p , K i , K d 分别pi是比例、积分、微分的增益系数。对于对象 B，其控制参数设置如下：K 0,15 ，K 0,10 ，K d 0,5 ， 1,20 ， 0,2 ， 0,0.5 ， 1 0,1.0 ， 2 0,0.5 。优化控制参数如表1 和 2 所示。该两个对象的比较控制效果如图 3 和 4 所示：与传统优化 PID 控制算法相比，NOIC 能够更快速稳定地消除控制偏差。而且对于控制对象 A 而言，传统 PID 控制算法的控 制参数即使得到优化，仍然难以稳定控制。从仿真结果可以看出：NOIC 的控制性能均优于 传统 PID 控制算法；并且 NOIC 在没有积分作用的情况下仍能够消除控制偏差，其主要原因 是算法的非线性和控制偏差的适度提呈。图 3 对象 A 的控制效果比较图 4 对象 B 的控制效果比较表 1 传统 PID 控制方法的优化控制参数控制参数KpKiKd对A0.03740.10434.9271象B0.13880.10990.4728表 2 NOIC 的优化控制参数控制参数Kp12对A3.74060.93473.06580.23140.090780.0903象B3.10603.96221.10610.12130.21610.00795. 结论在本文中，基于神经内分泌系统（NEI）的整体调节机制，提出一种新颖的非线性优化 智能控制器。提呈单元首先根据免疫提呈机制对控制偏差进行动态处理；抗体控制单元通过 调整控制实体的数量来消除控制偏差；主控单元用来调整提呈单元和抗体控制单元的控制作 用；优化单元和辨识单元基于 GA 算法优化提呈单元和抗体控制点单元的参数。为了检验 NOIC 的控制性能，最后选择两个控制对象进行计算机仿真。仿真结果表明，相对传统 PID 控制，NOIC 具有较好的控制性能。参考文献1 Yao X, Liu Y. Making use of population information in evolutionary artificial neural networks J. IEEE Transactions on Systems, Man and Cybernetics, Part B: Cybernetics, 1998, 28(3): 417-425.2 刘宝，丁永生一种基于免疫存储记忆的智能控制器的设计与实现J，控制与决策，2005，20(10):1169-1172Liu B. and Ding Y.S. Design and Implementation of an Intelligent Controller Based on ImmuneStore-memoryJ, Control and Decision, 2005, 20(10): 1169-1172.3 Farhy L. S. Modeling of oscillations of endocrine networks with feedback J. Methods Enzymol, 2004, 384:54-81.4 Vargas P, Moioil R, Castro L N D, et al, Artificial homeostatic system: a novel approach J. , LNAI, 2005,3630: 754-764.5 Besedovsky H. and Sorkin E. Network of immune-neuroendocrine interactions J. Clinical and ExperimentalImmunology, 1977, 27: 1-12.6 Brazzini B., Ghersetich I., Hercogova J. and T. Lotti. The neuro-immuno-cutaneousendocrine network:relationship between mind and skin J. Dermatologic Therapy, 2003, 16: 123-131.7 Kim D. H. PID controller tuning of a boiler control system using immune algorithm typed neural network A,Proceedings of Computational Science-ICCS 2004: 4th International ConferenceC, Krakow, Poland, June6-9, 2004: 695-698,.8 Liu B., Ren L. H., and Ding Y. S. A novel intelligent controller based on modulation of neuroendocrine systemA, Proceedings of the 2nd International Symposium on Neural Networks (ISNN 2005), LNCS C, 2005,3498: 119-124.A Nonlinear Optimized Intelligent Controller Based on theModulation of NEI SystemLiu Bao 1, 2, 3, Ding Yongsheng2, 3, , Wang Junhong11. College of Information and Control Engineering, China University of Petroleum, Shandong(257061)2. College of Information Sciences and Technology, Donghua University, Shanghai (201620)3. Engineering Research Center of Digitized Textile & Fashion Technology, Ministry of Education, Donghua University, Shanghai (201620)AbstractBased on the modulation mechanism of neuroendocrine-immune system, we present a novel nonlinear optimized intelligent controller (NOIC) in this paper. The NOIC is composed of a presentation unit(PU), an antibody control unit (ACU), a main control unit (MCU), an optimization unit (OU), and an identification unit (IU). PU can pretreat the real-time control error dynamically based on themechanism of immune presentation, and the ACU can adjust the number of antibody controller entity(ACE) to eliminate control error. MCU is designed to regulate the control action of PU and ACU. And the OU and IU can optimize the parameters of the PU and ACU based on the genetic algorithm (GA). The simulation results demonstrate that the control performance of the NOIC is better than that of the conventional PID controller.Keywords: Neuroendocrine-immune; immune presentation; intelligent controller作者简介：刘宝（1971-），男，山东淄博人，博士，讲师，从事生物智能计算及控制等研究； 丁永生(1967-)，男，安徽怀宁人，教授，博士生导师，从事智能系统、人工免疫系统、生物 网络结构等研究，ysding。