【摘要】：人工免疫系統(tǒng)模擬生物免疫系統(tǒng)進(jìn)化行為的智能特征,具有自組織、自學(xué)習(xí)能力,具有解決復(fù)雜優(yōu)化問題的優(yōu)點(diǎn)。現(xiàn)代工業(yè)系統(tǒng)變得越來越復(fù)雜,而復(fù)雜系統(tǒng)的建模、優(yōu)化與控制需要高性能的算法來輔助,依靠單一模式的優(yōu)化方法難以滿足系統(tǒng)性能要求�；旌厦庖咧悄芴幚砑夹g(shù)為這類問題提供了有效的途徑,同時也是人工免疫系統(tǒng)研究的發(fā)展方向。 基于免疫系統(tǒng)的機(jī)理,深入挖掘生物免疫系統(tǒng)中蘊(yùn)含的智能學(xué)習(xí)機(jī)制并結(jié)合其它智能處理方法的優(yōu)點(diǎn),本文研究了幾類混合免疫智能優(yōu)化算法及其相關(guān)應(yīng)用,從算法理論、算法設(shè)計(jì)、性能測試、比較分析到實(shí)際應(yīng)用展開一系列工作。在理論上研究了四類混合免疫智能優(yōu)化方法,并通過實(shí)驗(yàn)仿真驗(yàn)證了算法的有效性；在應(yīng)用上研究了混沌系統(tǒng)自抗擾優(yōu)化控制與永磁同步電機(jī)系統(tǒng)多參數(shù)辨識這兩類典型的復(fù)雜系統(tǒng),并獲得了良好的控制效果和辨識結(jié)果。概括如下： 1.引入生態(tài)學(xué)中的協(xié)同進(jìn)化Lotka-Volterra思想到人工免疫算法中,考慮了群體間的競爭合作關(guān)系,構(gòu)造了一種競爭合作型協(xié)同進(jìn)化免疫克隆選擇模型。各子種群內(nèi)部通過局部最優(yōu)免疫優(yōu)勢、克隆擴(kuò)增和動態(tài)高頻變異等相關(guān)算子操作。運(yùn)用信息熵理論改善種群多樣性,所有子種群共享經(jīng)過免疫雜交提升操作的高層記憶庫,通過遷移操作實(shí)現(xiàn)整個種群信息共享與協(xié)同進(jìn)化。 2.為了擴(kuò)大解的搜索空間,將粒子群體分為捕食與探索兩種模態(tài),建立一種免疫雙態(tài)粒子群優(yōu)化方法。對處于捕食狀態(tài)的精英粒子采用精英學(xué)習(xí)策略；對處于探索狀態(tài)的微粒采用探索策略；對微粒個體極值進(jìn)行免疫克隆優(yōu)化；對不活躍個體進(jìn)行免疫受體編輯。算法兼顧了抑制早熟停滯現(xiàn)象和避免冗余迭代。 3.融合免疫系統(tǒng)優(yōu)化原理、協(xié)同進(jìn)化思想及粒子群的鄰域信息,構(gòu)建免疫協(xié)同粒子群進(jìn)化模型。算法采用并行計(jì)算框架,整個群體由記憶種群與若干個普通種群構(gòu)成。普通微粒種群內(nèi)部通過精英粒子保留、免疫網(wǎng)絡(luò)及柯西變異等混合策略共同演化新個體；微粒個體極值采用自適應(yīng)小波學(xué)習(xí)以加快收斂速度；免疫克隆選擇算法對記憶庫進(jìn)行精細(xì)搜索；信息交互機(jī)制促進(jìn)信息共享有效降低了算法的冗余迭代。擴(kuò)大了算法解空間搜索范圍,提高了對復(fù)雜問題的優(yōu)化能力。 4.利用克隆選擇算法與蟻群算法各自的優(yōu)勢,構(gòu)造了一種免疫克隆選擇與蟻群自適應(yīng)融合優(yōu)化模型。引入混沌擾動增加抗體種群的多樣性,通過克隆擴(kuò)增、免疫基因等相關(guān)算子的操作增強(qiáng)了克隆選擇算法搜索的效率；自適應(yīng)控制參數(shù)實(shí)現(xiàn)了克隆選擇與蟻群優(yōu)化的有機(jī)結(jié)合及局部最優(yōu)搜索策略的應(yīng)用,克服了抗體種群“早熟”問題,提高了求解精度。 5.應(yīng)用免疫雙態(tài)粒子群算法對自抗擾控制器進(jìn)行優(yōu)化設(shè)計(jì)。其一,將免疫雙態(tài)粒子群算法應(yīng)用于混沌系統(tǒng)自抗擾優(yōu)化控制中,對自抗擾控制器參數(shù)進(jìn)行優(yōu)化,應(yīng)用于混沌系統(tǒng)控制,構(gòu)建一種基于免疫雙態(tài)粒子群算法的混沌系統(tǒng)自抗擾優(yōu)化控制器；其二,利用自抗擾控制器(ADRC)與小腦神經(jīng)網(wǎng)絡(luò)(CMAC)各自的優(yōu)勢并構(gòu)造ADRC-CMAC并行控制器,利用免疫雙態(tài)粒子群算法對ADRC-CMAC控制器參數(shù)進(jìn)行自學(xué)習(xí)尋優(yōu),構(gòu)造出一種自抗擾神經(jīng)網(wǎng)絡(luò)并行優(yōu)化控制方法。針對離散混沌系統(tǒng)研究結(jié)果表明,以上兩種控制方法具有更好的控制性能和較強(qiáng)的魯棒性。 6.構(gòu)造了一種基于免疫協(xié)同粒子群進(jìn)化算法的永磁同步電機(jī)多參數(shù)辨識模型方法。永磁同步電機(jī)參數(shù)辨識結(jié)果表明該方法不需要知道電機(jī)設(shè)計(jì)參數(shù)先驗(yàn)知識,能夠有效地辨識電機(jī)電阻,d-q軸電感與轉(zhuǎn)子磁鏈。同時,當(dāng)電機(jī)參數(shù)發(fā)生變化時,該方法依然能夠有效地追蹤該參數(shù)變化值。 【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2012
【分類號】：TP18;N941.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江全元;鄒振宇;曹一家;;基于免疫遺傳算法的多機(jī)電力系統(tǒng)UPFC控制器[J];電工技術(shù)學(xué)報(bào);2006年07期

2 李玉龍;宗偉;呂鮮艷;何秋宇;袁啟洪;王倩;;基于抗體濃度調(diào)節(jié)新定義下的免疫遺傳算法在電壓無功優(yōu)化中的應(yīng)用[J];電工技術(shù)學(xué)報(bào);2008年02期

3 彭春華;;基于免疫BPSO算法與拓?fù)淇捎^性的PMU最優(yōu)配置[J];電工技術(shù)學(xué)報(bào);2008年06期

4 史婷娜;張典林;夏長亮;陳煒;萬健如;;基于遺傳整定的永磁交流伺服系統(tǒng)模糊免疫PID控制器[J];電工技術(shù)學(xué)報(bào);2008年07期

5 吳茂林;黃聲華;;永磁同步電機(jī)非線性參數(shù)辨識[J];電工技術(shù)學(xué)報(bào);2009年08期

6 王磊,潘進(jìn),焦李成;免疫算法[J];電子學(xué)報(bào);2000年07期

7 王磊,焦李成,劉芳,張艷寧;免疫進(jìn)化子波網(wǎng)絡(luò)及其學(xué)習(xí)算法[J];電子學(xué)報(bào);2001年S1期

8 侯家利,朱梅階,彭宏;模塊化免疫神經(jīng)網(wǎng)絡(luò)的模型研究[J];電子學(xué)報(bào);2005年08期

9 陶新民;陳萬海;郭黎利;;一種新的基于模糊聚類和免疫原理的入侵監(jiān)測模型[J];電子學(xué)報(bào);2006年07期

10 任子武;傘冶;;實(shí)數(shù)遺傳算法的改進(jìn)及性能研究[J];電子學(xué)報(bào);2007年02期

，

本文編號：2712358