宋晓琳[1]2007年在《基于免疫算法的汽车主动悬架控制技术研究》文中研究说明悬架是汽车的重要总成之一,其功能是缓和路面不平引起的冲击和振动、保持轮胎与路面的附着力,从而改善平顺性和操纵稳定性。被动悬架振动系统的主要参数是弹簧刚度和减振器阻尼系数,它们在设计时是按某种特定工况下其平顺性和操纵稳定性综合性能最优来选取的,一旦选定后通常不能改变。由于其特性参数不能根据使用工况和路面输入的变化来进行控制调整,因而难以满足汽车平顺性和操纵稳定性的更高要求,其性能的进一步提高受到限制。随着电子控制技术的发展,为了克服被动悬架的缺陷,改善汽车悬架的性能,近年来国内外学者深入开展了汽车主动悬架系统及其控制技术的研究。目前,汽车主动悬架的研究大多基于悬架系统的简化模型,此简化模型虽然能够表达真实悬架的一些基本特性,但未考虑悬架结构的非线性因素的影响,使得用名义参数(即真实系统各零部件的特性参数)表征的简化模型不能很好地等效于真实的悬架系统。同时,由于汽车悬架系统是一个复杂、时变、不确定的非线性系统,很难获得其精确的数学模型,且汽车受到的路面激励也具有随机性。采用基于模型的传统控制(包括经典控制理论和现代控制理论),无论是线性控制还是非线性控制均难以很好地控制汽车主动悬架系统。因此,不需要精确数学模型,决策方式灵活机动,具有较强鲁棒性的智能控制显示出明显的优势,它能实现对复杂不确定系统的控制,非常适用于具有随机扰动和复杂数学模型的汽车悬架系统。目前实现智能控制常用的技术有;模糊逻辑、专家系统、神经网络、遗传算法以及它们的混合技术等,其中神经网络和遗传算法是从人体信息处理系统的脑神经系统和遗传系统发展起来的,其研究及其应用已取得了一定的成效。但其仍有许多不足,如神经网络的连接权值难以确定且易陷入局部最优;遗传算法虽然具有全局搜索能力,但局部搜索能力不是很有效,且在处理复杂、混淆和多任务问题时不够灵活,进化后期收敛速度缓慢,从而影响到控制效果。免疫系统作为人体信息处理系统的四个子系统之一,具有对抗原的多样性识别能力;具有自我调节功能,能根据抗体间的亲和度调节抗体浓度,避免陷入局部最优解;具有记忆功能,能够在动态环境中维持自身的稳定,是一个非常鲁棒的自适应系统,可以处理各种扰动和不确定性。免疫系统的这些性质为其在汽车主动悬架控制系统中的应用提供了基础。为了进一步提高汽车主动悬架系统的性能,本文基于生物免疫系统的基本特性,将免疫系统与控制系统相结合用于汽车主动悬架控制系统。首先,将免疫算法用做辅助用途,用于汽车悬架系统辅助建模与辅助学习模糊控制器,以获得能较真实反映实际系统的汽车悬架简化模型,解决模糊控制器设计过分依赖专家经验知识,导致设计困难的问题;其次,基于控制的训练和学习,模仿控制器,提出了汽车主动悬架的免疫控制策略;最后,基于ADAMS/View和Hydraulic,建立了汽车主动悬架的液压伺服系统的虚拟实验仿真平台,并利用ADAMS/Control模块的接口实现与Matlab/Simulink的联合仿真,实现了免疫控制策略的虚拟实验验证。论文主要研究工作和创新点如下;1.根据汽车主动悬架的研究模型大多基于简化模型,且简化模型的参数是名义参数,未考虑悬架结构型式的非线性特性的情形,提出了汽车悬架系统参数的免疫辨识方法。研究结果表明,免疫辨识方法的辨识精度好于递推最小二乘法,当输入输出信号存在一定能量的干扰时,递推最小二乘法失去了辨识能力,而免疫辨识仍然能得到较好的结果,说明其具有较好的抗干扰能力。2.提出了汽车主动悬架的免疫控制策略,并分别就叁种不同编码(二进制、十进制和DNA编码)方式的免疫控制策略做了对比研究。仿真研究表明,基于十进制编码的汽车主动悬架的免疫控制策略效果最优,但其速度较慢。基于二进制和DNA编码的免疫控制策略其控制速度相差不大,但后者的控制效果明显好于前者。基于DNA编码的免疫控制策略,其控制效果和速度综合指标优于十进制和二进制两种编码的免疫控制策略,为最佳选择。3.提出了汽车主动悬架的混沌免疫控制策略。结果表明,混沌免疫控制策略的控制平稳性要优于免疫进化控制,即基于十进制的免疫控制策略。4.针对模糊控制器的设计过分依赖专家经验,导致其设计困难的问题,提出了基于免疫算法的汽车主动悬架模糊控制器的设计方法。仿真研究表明,采用免疫算法优化得到的模糊控制器其控制效果与手动调试的效果相当;抽取多余模糊规则后得到的模糊控制器,其控制效果要优于全规则模糊控制器。该设计方法避免了手动试错调试的繁琐,提高了设计效率,特别是对高维模糊控制器的设计具有一定的实用价值。5.考虑到免疫控制的实时性和模糊控制输入的单一性,将两者结合,提出了免疫模糊控制策略。研究发现,该控制方法兼有免疫控制和模糊控制的优点,其控制效果优于两者单独控制作用的效果。6.由于汽车主动悬架的实验研究(无论是简单的模型实验还是复杂的实车试验)都很复杂且需要投入大量资金。同时,在研究过程中,往往需要研究机构、大专院校和一些公司等多家单位的通力合作才能进行。针对这一情况,设计了基于ADAMS/view和Matlab/Simulink的汽车主动悬架的虚拟实验仿真平台,并进行了如下两方面的研究;(1)为了验证设计的汽车主动悬架的虚拟实验仿真平台的有效性,基于ADAMS/Control模块,采用PID控制,假设主动悬架上作用一理想的控制力和液压伺服系统产生的作动力,对汽车主动悬架进行了控制研究。结果表明,两种情形下的汽车主动悬架控制结果具有良好的一致性,说明所设计的含液压伺服系统的汽车主动悬架虚拟实验台是可行的。该虚拟实验方法可以缩短实验周期,减少实验费用,为汽车主动悬架控制算法的研究提供了一种有效的分析手段,能为下一步在真实的主动悬架实验台上实施起到理论指导作用。(2)利用上述验证了的虚拟实验台,通过其与Matlab的接口实现了免疫进化控制策略的虚拟实验研究。虚拟实验结果表明,采用免疫进化控制控制汽车主动悬架系统,其效果较好。
刘若辰[2]2005年在《免疫克隆策略算法及其应用研究》文中提出人工免疫系统(AIS)是一新的模拟自然免疫系统的人工智能方法,它受生物免疫机制的启发,通过学习外界物质的自然防御机理的学习技术,提供噪声忍耐、自组织、自学习、记忆等进化学习机理,结合了分类器、神经网络和机器推理等的特点。因此具有提供解决问题新颖方法的潜力。其研究成果涉及控制,数据处理。优化学习和故障诊断,目前已成为继神经网络,模糊逻辑和进化计算后人工智能的又一研究热点。本文基于抗体克隆选择以及免疫记忆机制,系统探讨了几种人工免疫系统方法,其中包括免疫克隆策略算法、免疫记忆动态策略算法以及免疫记忆策略算法。并且讨论了免疫克隆算法的在一般测度空间上的收敛性及收敛速度问题。通过相应算法在函数优化,组合优化等典型复杂问题中的应用,验证了研究的结果,肯定了其具有解决复杂问题的潜力。论文的主要工作可总结如下:1.由生物引发的信息处理系统可以分为:神经网络、进化计算和人工免疫系统,其中神经网络和进化计算已被广泛地应用于各个领域,而人工免疫系统由于其复杂性,应用相对较少,随着人们对免疫系统机理的进一步揭示,人工免疫系统的研究将在各个领域发挥其重大作用,从而带给人类社会更大的进步。本文系统阐述生物免疫系统被人工免疫系统所借鉴的相关机理,并简要论述人工免疫系统的算法研究和应用研究,总结免疫算法的一般步骤。2.作为生物免疫系统的重要理论假说,克隆选择学说所描述的记忆、学习和进化等特性越来越受到人工智能研究者的重视,但是国内外相应的研究成果很少。本文基于克隆选择机理,提出了多克隆算子和单克隆算子,并进一步研究了利用克隆算子而构造的新的人工智能算法—免疫单克隆策略算法和免疫多克隆策略算法。我们发现克隆算子的实质是在一代进化中,在侯选解的附近,根据亲合度的大小,产生一个新的子群体,从而扩大了搜索范围,多克隆算子还实现了子群间的信息交换,提高了算法的收敛速度,理论分析与仿真实验表明,与传统进化策略相比,免疫克隆策略算法的收敛速度有较大提高,解的多样性明显优越于传统的进化策略。3.为了模拟生物免疫系统的自我调节及记忆机理,并且借助这些机理来有效改善人工仿生算法,本文提出了免疫记忆动态克隆策略(IMDCS),该算法的特点为:(1)评价标准计算是计算亲和度(Affinity),包括抗体-抗原的亲合度
张旭[3]2007年在《人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究》文中研究表明本文在系统研究人工免疫算法基础上，从工程实际应用的角度出发，将人工免疫算法与计算智能诊断方法相结合，对船舶柴油主机的智能故障诊断进行了深入的研究。完成如下的研究工作： (1) 讨论了生物免疫系统的一些基本概念、功能和原理：分析了人工免疫算法的基本理论以及常用免疫算法的基本结构和流程。在分析opt-aiNet算法原理和性能的基础上，引入山谷搜索法作为新的网络抑制方法，提出并实现一种多峰函数优化免疫算法。 (2) 为了在聚类数不确定的情况下实现聚类分析，通过借鉴生物免疫系统中的克隆选择原理并结合聚类有效性分析，提出一种基于快速免疫动态聚类算法。用以根据样本数据自动确定聚类数及中心位置，并且克服了传统聚类算法容易陷入局部极小值的缺点。同时，通过引入新算子及适当选取聚类的初始中心，明显提高算法的收敛速度。 (3) 在系统研究RBF神经网络原理和学习算法的基础上，提出一种用快速免疫动态聚类算法自动求解网络中心，再用递推最小二乘法求解网络权值的新学习算法。给出了基于神经网络进行故障诊断的基本原理，并以此为依据对船用柴油机进行故障诊断。 (4) 在介绍粗糙集理论核心内容的基础上，提出了一种基于免疫优化的新型粗糙集属性约简算法。算法设计的重点在于将分类精度和约简中所含属性个数集成为一个统一的亲合度成熟目标，并通过抗体更新和抗体相似性抑制来维持群体的多样性，以获得多个符合分类质量要求的属性约简集。 (5) 在所求得的多个属性约简集中，根据专家经验优选最佳约简集，对反映柴油机运行工况的特征参数进行简化，并通过RBF网络实现对船舶柴油机故障的自动分类和渗断。以此混合智能诊断模型为基础，设计并实现了船用柴油机状态监测及故障诊断系统。
许庆阳[4]2010年在《危险模式人工免疫算法及其应用研究》文中认为近年来,人工智能技术发展很快,其中人工免疫算法是其中研究热点之一。危险模式理论是生物免疫学领域所提出的一个崭新理论,为生物免疫学的研究开辟了新的道路。同时,理论对人工免疫算法也产生了深远的影响。目前一些专家学者们开始试图根据危险模式理论构造人工免疫算法,用于解决复杂工程问题。但在危险模式人工免疫算法基本框架结构、算法的收敛性分析等方面的理论和应用尚存在很多问题。为此,本文对上述几个研究热点进行了探索。这对危险模式人工免疫算法的深入研究,无疑具有重要意义。借鉴遗传算法与传统人工免疫算法的成功经验,构造基于危险模式理论的人工免疫算法,除在理论上开展研究外,还结合船舶航运的实际,研究了危险模式人工免疫算法在船舶避碰策略优化中的应用,并进行了仿真验证。论文首先从免疫学的医学基础入手,阐明危险模式人工免疫算法的医学机理。根据危险模式理论的特点,对危险信号、危险区域及危险化操纵算子等做了相应的定义。危险信号与危险区域是危险模式理论中最基本也是最重要的两个概念。将抗体间亲和度作为危险信号发生的依据,迭代过程中最优个体周围的超球体范围定义为危险区域,参考遗传算法与传统人工免疫算法的设计方法,利用危险信号、危险区域、危险化操作算子、变异以及选择操作算子,构造危险模式人工免疫算法基本框架。通过几个典型复杂函数的优化实例验证了算法的有效性。基于危险模式人工免疫算法的抗体种群序列为-马尔可夫链,因此根据马尔可夫随机过程的相关性质与定理,对算法的收敛性进行了严格的证明,为算法的设计和应用奠定了理论基础。基本框架算法是基于危险模式理论人工免疫算法的最简实现形式,其中存在需要改进的地方。在基本框架中危险区域的大小是固定的,危险区域半径需要根据经验及试凑的方式来确定,为解决危险区域半径的选择问题,提出危险区域自适应危险模式人工免疫算法。在改进算法中,危险区域半径会随着算法迭代的进行而不断自适应调整。通常在算法运行的初始阶段,危险区域半径较大,危险区域将包含问题的整个变量域,以便更好地对全局最优值进行搜索；随着程序的运行,危险区域不断缩小,实现对重点区域的局部搜索。仿真结果表明,无论在算法收敛速度还是优化结果的精度上,危险区域自调整算法的搜索性能都优于基本框架算法的性能。混沌是一种貌似随机的确定性系统,混沌变量具有随机性和遍历性、保证算法大范围良好的搜索特性以及不被局部极值所局限等特性；可以有效地防止早熟现象,提高算法的收敛速度；对求解复杂非线性问题,具有无需优化问题具有连续性和可微性等优点。因此将混沌理论与危险模式人工免疫算法有机结合,提出混沌危险模式人工免疫算法。算法在迭代过程中,分别采取混沌小扰动与混沌再生技术对危险抗体集与安全抗体集两部分种群进行操作,这既保证算法对危险区域的重点搜索,又实现对全局最优解的搜索。仿真验证了算法的有效性与优越性。为了将危险模式人工免疫算法应用到船舶安全中,研究了船舶避碰的机理、船舶领域、船舶碰撞危险度及船舶运动参数的计算方法,为船舶避碰仿真奠定了基础。针对船舶安全中避碰策略优化问题,构造了基于危险模式人工免疫算法的船舶避碰策略优化程序。根据ARPA系统的试操作原理,将船舶避碰操作相关参数作为危险模式人工免疫算法的抗体串,以亲和度函数为评价依据,以对抗体种群中个体串的操作实现种群更新,建立一个优化迭代过程,寻找最优的避碰策略。最后通过大量的计算机仿真验证了算法的有效性。概括起来,本文主要是依据危险模式理论在免疫应答启动方式上的新观点,设计了危险模式人工免疫算法基本框架,并探讨了其改进方法及在船舶避碰策略优化中的应用,同时在理论上证明了算法的收敛性。
孙宁[5]2006年在《人工免疫优化算法及其应用研究》文中研究表明优化问题大量存在于科学研究和工程应用中的各个领域,进行最优化方法的研究具有重要的理论意义和实用价值。传统优化方法存在着种种不足,在当今大规模生产中的应用受到限制。多学科的交叉研究为解决优化问题提供了新的思路,以生物智能或自然现象为基础的新型智能优化算法在研究与应用中表现出优异的性能,现代智能算法也成为人工智能领域一个新的研究热点。人工免疫优化算法是模仿生物免疫系统功能的一种智能方法,提供了类似生物免疫系统的噪声忍耐、无教师学习、自组织、记忆等进化学习机理,为解决复杂的分布式问题提供了新的方案,相比其它智能优化算法具有寻优成功率高、个体多样性好的特点。本文在分析人工免疫优化算法原理与特点并对比人工免疫优化算法与其它智能优化算法的基础上,总结人工免疫优化算法存在的不足,进行算法改进研究以增强算法的寻优搜索能力,并将改进算法应用于数字系统设计和故障诊断中的两个实际问题,验证算法的有效性和实用价值。本文的主要研究内容和成果如下:1.分析基本人工免疫优化算法变异算子搜索能力的不足,将多变异率的改进二进制编码变异策略引入人工免疫算法,并利用混沌模型实现算法个体编码中高有效位部分和低有效位部分的自适应设定,提出了基于混沌序列的多变异率人工免疫算法。仿真结果验证了改进算法具有更好的全局搜索性能和更快的收敛速度。2.研究基本人工免疫优化算法的局部搜索机制,针对其缺乏信息交换、个体社会性不好的缺点,为基本人工免疫优化算法的局部搜索引入信息交换的手段,并提出了算法参数的动态更新机制和自适应更新机制,实现了参数自适应更新的引导型人工免疫算法。仿真结果表明,采用参数更新机制的引导型人工免疫算法不仅有效地加快了算法的收敛速度,而且可以使算法以较大概率在预先指定的迭代次数范围内收敛,更具实用价值。3.在研究离散微粒群算法原理的基础上,讨论应用离散微粒群算法作为人工免疫优化算法局部搜索算子的实现方法,提出了离散微粒群算法与人工免疫优化算法综合应用的混合优化算法。仿真结果表明,实现的混合算法不仅大大减少了算法收敛所需的迭代次数,而且可以有效地提高算法的寻优
吴建辉[6]2013年在《混合免疫优化理论与算法及其应用研究》文中研究说明在科学研究和工程实践中广泛存在着优化问题，因而开展优化问题的研究具有重要的理论意义和应用价值。模拟生物免疫系统智能信息处理机制的免疫优化算法具有自组织、多样性好、鲁棒性强等优点，适宜于优化问题的求解。然而依靠单一模式的优化算法难以满足具有强非线性、不确定性、时变等特征的复杂优化问题的性能要求。混合免疫优化算法为复杂优化问题的求解提供了新的思路和有效的途径，同时也是优化理论与算法研究的发展方向之一。本文借鉴免疫系统的机理并结合其它优化算法开展混合免疫优化理论与算法及其应用的研究。针对组合优化和数值优化问题，本文从机制模型、算法设计、理论分析、性能测试、算法比较等方面进行系统研究，通过仿真实验验证了混合免疫优化算法的有效性；将所研究的混合免疫优化算法应用于复杂离散混沌系统滑模优化控制中，取得了良好的控制效果。论文的主要研究成果与创新如下：(1)针对组合优化问题，利用免疫克隆选择算法和蚁群算法的各自优势，提出一种基于串联混合方式的优化算法：结合抗体小窗口局部搜索算法的克隆选择和蚁群融合算法(ACLA)。在蚁群算法中引入混沌扰动能在一定程度上避免早熟、停滞；克隆扩增、免疫基因等算子的操作能加快克隆选择算法的收敛速度；局部搜索算法的应用，能有效提高ACLA算法的搜索效率。针对旅行商问题的实验结果表明，该混合算法在收敛速度与求解精度上均取得了较好的效果。(2)针对组合优化问题，融合协同进化算法、免疫克隆选择算法的各自优势，构造了一种基于多子种群免疫进化的两层框架模型，在此模型的基础上提出一种基于竞争-合作的分层协同进化免疫算法(HCIA)。HCIA算法通过对若干个子种群进行局部最优免疫优势、基于竞争的克隆扩增等低层免疫操作和高层遗传操作，增强优秀抗体实现亲和度成熟的机会，提高了抗体群分布的多样性，使其在深度搜索和广度寻优之间取得了平衡。通过典型组合优化问题——旅行商问题的实验仿真结果表明，HCIA算法具有可靠的全局收敛性及较快的收敛速度。(3)针对函数全局优化问题，融合免疫算法的多样性机理、粒子群的信息共享及协同进化思想，提出基于两层模型的多子种群粒子群免疫协同进化算法(MAPCPSOI)。MAPCPSOI算法首先通过对若干个子种群进行具有协同合作特征的低层自适应多态杂交粒子群操作，改善了子种群的多样性，有效抑制了收敛过程中的早熟停滞现象；然后通过具有协同竞争特征的高层免疫克隆选择操作，显着地提高了全局寻优能力，进一步提高了收敛精度。函数优化的仿真结果表明：与其他改进微粒群算法相比，MAPCPSOI算法具有更快的收敛速度和更高的求解精度，尤其适合超高维函数及其它复杂函数的优化问题求解。(4)针对多模态函数优化问题，提出融合Powell法的粒子群优化算法(IPSO-P)及免疫云粒子群优化算法(PPSO)这两种算法。IPSO-P算法将粒子群优化算法的全局搜索能力与Powell法的强局部寻优能力有机地结合起来，在保证求解速度、尽可能找到全部极值点的同时提高了解的精确性。而在PPSO算法中，通过引入基于云模型的云变异算子提高了种群的多样性，利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。仿真实验表明这两种新混合算法的有效性。(5)将免疫云粒子群优化算法(PPSO)应用于离散混沌系统滑模优化控制中，提出一种基于PPSO算法的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数，有效克服了传统滑模等效控制的抖振现象；利用PPSO算法对神经滑模控制器的参数进行全局优化，提高了离散混沌系统的控制品质。实验仿真表明，该方法无需了解离散混沌系统精确模型，具有响应速度快、控制精度高以及抗干扰能力强的优点。
章魁[7]2007年在《嵌入式智能PID控制器的研究与开发》文中认为PID控制是最早发展起来的控制策略之一,迄今为止,大多数工业控制回路仍然应用着结构简单、鲁棒性强的PID控制或改进型PID控制策略。控制器的性能直接关系到生产过程的平稳高效运行以及产品的最终质量,因此控制系统的设计主要体现在PID控制器参数的整定上。随着计算机技术的飞跃发展和智能计算理论渗透到自动控制领域,为PID控制器参数的整定提供了新的方法和途径。模糊控制模拟人脑的思维方式,能处理客观世界的非精确和非线性信息,具有很强的抗干扰能力,采用模糊控制来产生PID控制器参数的变化值,使PID控制器的参数具有自适应性和鲁棒性。在基本PID控制的基础上,采用了从自然界生物群体智能行为发展而来的遗传算法、人工免疫算法和粒子群算法来进行PID控制器参数的整定,并进行了相关理论分析和算法收敛性证明。从遗传算法、免疫克隆选择算法、模糊免疫算法和改进的微粒群算法的PID参数整定仿真结果来看,对控制对象的函数没有连续、可微等要求,且算法的结果不依赖于PID参数初值的选取,能取得比较满意的PID控制器参数。以改进的微粒群算法整定PID控制器参数方法为基础,设计了一种嵌入式自整定PID控制器。在硬件方面,选用叁星公司的S3C44BOX芯片作为了PID参数自整定器的控制芯片,其内部集成了一个8路10位A/D转换器和LCD控制器,双电源供电。由于S3C44B0X没有集成RAM和ROM,因此外扩了8MB SDRAM和2MB NOR FLASH ROM作为系统的RAM和ROM。在人机对话方面,系统扩展了320×240的触摸屏。软件方面,详细介绍了嵌入式实时系统uC/OS-Ⅱ在S3C44B0X上的移植过程:在uC/OS-Ⅱ框架下,把应用程序模块化,分成多个任务来共同完成PID参数自整定算法。
马广[8]2010年在《软计算研究及其在桥梁健康监测与状态评估中的应用》文中研究指明大型桥梁健康监测与状态评估的难点之一是如何有效的处理大量监测信息并对桥梁运营状态做出合理评估,主要体现在反问题的不适定性、组合优化的计算复杂性、评估的不确定性、信号的非平稳性等方面。在求解这些问题方面,以二元逻辑、线性系统等为基础的传统求解方法存在不足,因而迫切需要发展新的、有效、实用的方法。软计算(Soft Computing, SC)是集成了人工神经网络、群智能优化及不确定性推理的一类方法,在数据反演、全局非线性优化、决策分析、并行计算等方面具有较大优势。本文在研究其基本理论的基础上,结合桥梁健康监测与状态评估,对其中主要的决策和识别问题进行了系统的探索研究。主要工作和研究内容如下：(1)引入了软计算方法基本概念和特征,重点介绍了群智能优化算法。基于所建立的Benchmark优化模型,对群智能优化算法的性能进行了对比数值实验分析。(2)对传统BP神经网络进行了改进。引入自适应学习率和局部最优检测算子,增强了网络全局最优性,并提高了网络识别精度。基于此,建立了用于南京长江大桥桥墩—船撞击荷载识别网络,可对船舶撞击力、撞击角度和撞击位置进行识别。数值算例表明,所建网络具有良好的记忆、联想和抗干扰能力,在船舶撞击力识别方面具有很快的收敛速度和较高的识别精度。(3)提出了一种新的针对传感器优化布置的“数集编码法”及其遗传算法的交叉和变异操作模式。将所提出的遗传算法结合人工免疫算法的克隆机制,增强了算法在单目标和多目标情况下对传感器位置进行全局优化的能力。以汀泗河特大桥1／8缩尺模型及南京长江大桥为对象,对其监测传感器位置进行单目标和多目标优化。优化结果表明,所提出的优化方法编码长度短、操作灵活、具有较强的全局收敛性。单目标情况下,最优测点具有累积性与分区集中性。多目标情况下,可得到具有多种布置方案的Pareto解,方便决策者进行方案比选。(4)提出了一种利用叁端点区间数层次分析法对桥梁进行状态评估的方法,建立了叁端点区间数层次分析法一致性衡量指标体系以及权重向量的优化模型,设计了具有自适应惯性系数调整和强局部搜索机制的自适应微粒群-退火算法用于全局优化搜索,通过优化求解可得到一致性指标及其最优权重。将所提出的叁端点区间数层次分析法用于南京长江大桥的状态评估中,评估结果表明,叁端点区间数层次分析法灵活、简单可以综合考虑评估中的不确定性,所提出的判断矩阵一致性检验方法及平均随机一致性指标参照值具有较高的工程应用前景。(5)提出了基于蚁群-混沌追踪算法的信号稀疏分解方法,该方法可用于参数识别和信号时频分析。算法效率方面,通过仿真信号对比表明,所提出算法的计算效率是传统匹配追踪算法的15倍。模态参数识别方面,对汀泗河特大桥1／8缩尺模型进行了实验并从实测信号中提取模态参数,试验结果与理论分析结果对比表明,所提出的方法稳定、有效且识别精度高。时频分析方面,对南京长江大桥火车过桥复杂信号进行时频分析并得到了自适应谱,通过与小波谱和WVD谱的分析结果对比分析表明,自适应谱具有较高的时频聚集性。
薛文涛[9]2008年在《基于免疫的智能优化算法理论及应用研究》文中研究指明优化问题大量存在于科学研究和工程应用中的各个领域,因而开展最优化方法的研究具有重要的理论意义和实用价值。传统的确定性优化方法存在诸多的局限性,难以解决当今社会日益增多的复杂问题,而以生物智能或自然现象为基础的智能算法具有简单通用、鲁棒性好、适于并行处理等特点,因此成为解决复杂优化问题的有力工具。生物免疫系统是一个复杂的、高度并行的、分布式的、自适应信息处理系统,它能够识别和排除侵入机体的抗原性异物,并且具有学习、记忆和自适应调节能力。由于基于免疫的算法能有效地克服其他智能算法的早熟现象、种群多样性不足等问题,因此借鉴和利用免疫机制,开发新的智能工具和建立混合智能算法已成为人工智能领域研究的一个热点。本文基于免疫系统的机理,结合其他智能方法进行算法的改进研究,并建立多智能方法相互融合的混合优化技术为复杂的工程问题提供新的实用技术。论文的主要研究成果如下:1.基本遗传算法在进化后期收敛速度较慢、容易早熟收敛。为了解决这些问题,借鉴免疫机理,提出一种基于免疫学习机制的遗传算法。算法不仅保持了优良抗体在进化中的主导地位,而且充分发掘强成长性抗体的寻优潜力,在优良记忆库的作用下,算法对全局最优的搜索快速且有效。仿真结果表明该算法有较强的全局收敛能力和较快的收敛速度。利用该算法优化径向基网络整定的PID控制器,实现了叁自由度飞行器模型系统的稳定控制,实验表明了这种方法的控制品质优于线性二次型调节器控制,具有较好的适应能力、鲁棒性和较快的响应速度。2.应用小生境技术,并借鉴免疫机理构造特异性免疫策略,提出一种基于特异性免疫策略的遗传算法。函数仿真结果表明,该方法能有效地改善种群多样性,提高算法的全局收敛能力,且算法收敛成功的概率和平均收敛代数明显要好于同类免疫算法。以二级倒立摆为被控对象,将该算法应用于Takagi-Sugeno模糊神经网络控制器的优化,实物控制结果表明该方法具有良好的动稳态性能、抗干扰能力。3.针对进化规划的早熟收敛问题,本文借鉴免疫系统的应答机制,提出了一种基于双变异算子的免疫规划算法。该算法的核心在于采用全局柯西和局部高斯变异算子,通过保持种群的多样性同时执行记忆、弱小保护策略,保证了算法有效性。理论分析与仿真实验表明,基于双变异算子的免疫规划算法的收敛速度,以及解的精度明显优越于传统的进化规划。4.针对多峰优化问题,提出一种基于双变异算子的免疫网络算法。该算法借鉴免疫系统的克隆选择和免疫网络理论,采用双变异算子以提高算法的全局和局部搜索能力;利用动态网络抑制策略保持种群的多样性,自适应地调节抗体群的规模。仿真结果表明该算法能有效地改善种群的多样性,较好地实现全局优化和局部优化的有机结合,具有更强的多峰函数优化能力。5.针对粒子群算法易早熟、维持多样性差等缺点,借鉴粒子群优化的特性和免疫网络理论,提出一种免疫粒子群网络算法。该算法利用粒子群的信息共享和记忆功能,通过加强粒子对自身经历的认知,提高算法的局部搜索能力;采用动态网络抑制策略,保持种群的多样性,自适应地调节粒子群的规模。仿真结果表明,实现的混合算法不仅减少了收敛所需的迭代次数,而且有效地提高了算法的寻优能力。针对无线传感器网络节点位置优化问题,提出基于免疫粒子群算法的网络覆盖优化机制。通过免疫粒子群算法搜索不同状态下无线传感器节点的最优位置,使无线传感器网络能够实现最大化网络覆盖面积。实验表明这种机制能快速有效地实现无线传感器网络移动节点位置优化。
张晓[10]2017年在《人工免疫算法改进及其应用研究》文中研究指明人工免疫算法是基于生物免疫系统的免疫进化机理和信息处理机制等原理发展起来的一种生物智能优化算法,具有生物免疫系统的一些优异特征,其相关研究成果在很多方面得到了广泛应用。因而,如何去挖掘免疫系统的这些特征优势,并且利用这些优良特性去改善其他智能算法的求解性能,建立起新的算法模型,用来解决新的工程实践问题,是一个值得研究的话题。本文在深入分析人工免疫算法的原理和特点后,借助已有的生物免疫学的理论基础,对生物免疫和人工免疫的运行机理、运行性能展开了深入研究,从另一种角度提出了一种新型免疫粒子群算法(Immune Particle Swarm Optimization,IPSO)。具体研究工作如下:(1)描述了免疫算法的一般性框架结构,深入探讨了几种典型免疫算法的免疫原理。对于具体的问题特点,定义了新的抗体浓度选择方法和免疫疫苗等操作,提高了算法的效率。(2)提出了 IPSO算法。该算法将人工免疫算法中的多样性保持机制、抗体浓度自我调节、免疫记忆和免疫疫苗等免疫思想和相关操作成功嵌入到粒子群算法中,改善了传统的粒子群算法收敛速度慢和在收敛后期易陷于局部最优的弊端。并通过实验验证了 IPSO算法的可行性和有效性。(3)将IPSO算法运用到离散状态下的组合优化问题中,以柔性车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)为例,首先给出了 FJSP 问题的数学模型结构。并且在分析了 FJSP问题的模型特征后,设计了新的抗体编码方式、抗体更新算子、抗体选择机制以及疫苗的选取方案和接种方式。实验结果表明该方案对于解决该问题可以获得更优的求解质量。
参考文献：
[1]. 基于免疫算法的汽车主动悬架控制技术研究[D]. 宋晓琳. 湖南大学. 2007
[2]. 免疫克隆策略算法及其应用研究[D]. 刘若辰. 西安电子科技大学. 2005
[3]. 人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究[D]. 张旭. 大连海事大学. 2007
[4]. 危险模式人工免疫算法及其应用研究[D]. 许庆阳. 大连海事大学. 2010
[5]. 人工免疫优化算法及其应用研究[D]. 孙宁. 哈尔滨工业大学. 2006
[6]. 混合免疫优化理论与算法及其应用研究[D]. 吴建辉. 湖南大学. 2013
[7]. 嵌入式智能PID控制器的研究与开发[D]. 章魁. 安徽理工大学. 2007
[8]. 软计算研究及其在桥梁健康监测与状态评估中的应用[D]. 马广. 中南大学. 2010
[9]. 基于免疫的智能优化算法理论及应用研究[D]. 薛文涛. 南京理工大学. 2008
[10]. 人工免疫算法改进及其应用研究[D]. 张晓. 陕西师范大学. 2017