人工免疫系统在复杂系统免疫辨识中的应用

论文摘要

随着科学技术的发展,现代工业系统变的越来越复杂,传统的控制方法已经远远不能满足高标准的性能要求。在这种情况下,智能控制理论被提出并逐渐发展起来。目前智能控制在理论研究和实际应用中都取得了许多成果,成为控制理论发展的第三个阶段[1]。人工免疫系统是近年来智能领域中一个活跃的分支。它是以自然免疫系统为原型,利用自然免疫系统各种原理和机制发展起来的各类模型、算法及其在工程和科学中应用而产生的各种智能系统的总称。本文以智能系统的理论为指导思想,探讨了一种基于人工免疫系统的复杂系统免疫辨识的方法。在掌握国内外研究现状的基础上,在这一领域展开了进一步的研究工作,主要研究内容概括如下:(1)研究了人工免疫系统及其算法。对人工免疫系统的基本原理进行了详细地阐述,系统地介绍了人工免疫系统的生物学原理及其仿生机理,概述了人工免疫系统的具体研究内容和主要研究范围,并对免疫算法的原理、特点及其基本框架进行了重点阐述,并在分析了目前克隆选择算法存在问题的基础上,对算法中的亲和度计算方法和抗体浓度的计算进行了一些改进,提出了一种改进的克隆选择算法。(2)研究了传统的系统辨识方法。对古典辨识方法和现代辨识方法的基本原理进行了简介,采用两种不同的辨识算法对一个典型的线性系统进行了仿真研究,指出了传统辨识方法存在的局限。然后介绍了目前的一些其他辨识方法。(3)研究了基于神经网络的智能辨识。通过一个非线性理论模型的辨识实例,比较了不同神经网络学习算法对辨识结果的影响,并指出了目前基于神经网络辨识中存在的不足。(4)研究了基于混合免疫算法优化的神经网络辨识方法。针对传统辨识方法和基本神经网络辨识方法中存在的问题,提出了一种基于混合免疫算法优化的神经网络辨识方法,并应用于贴片机元件放置过程的辨识。仿真结果证明了这种方法的有效性。它不仅能够避免传统神经网络陷入局部极值的缺点,还较传统的遗传算法和基本免疫算法具有良好的精度和收敛速度。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 系统辨识的研究背景及意义
• 1.2 人工免疫系统的研究及发展现状
• 1.3 本论文的主要工作及结构安排
• 1.4 本章小结
• 2 人工免疫系统的基本理论
• 2.1 引言
• 2.2 免疫学基本概念
• 2.3 生物免疫系统原理
• 2.3.1 生物免疫系统的组成
• 2.3.2 生物免疫系统特点
• 2.3.3 人工免疫系统仿生机理
• 2.4 人工免疫系统的研究内容和范围
• 2.5 免疫算法
• 2.5.1 免疫算法原理及特点
• 2.5.2 基本免疫算法框架
• 2.5.3 遗传算法中的亲和力计算方法
• 2.5.4 结合强度的计算
• 2.5.5 多样化
• 2.5.6 抗体抑制和促进
• 2.5.7 抗体抗原编码方式
• 2.6 克隆选择算法及其改进
• 2.6.1 克隆选择算法
• 2.6.2 克隆选择算法的改进
• 2.6.3 改进的克隆选择算法框架
• 2.7 本章小结
• 3 系统辨识的基本理论
• 3.1 系统辨识的定义
• 3.2 系统辨识的基本步骤
• 3.2.1 实验设计
• 3.2.2 模型结构
• 3.2.3 参数估计
• 3.2.4 模型适用性检验
• 3.3 系统辨识的基本方法
• 3.3.1 古典辨识方法
• 3.3.2 现代辨识方法
• 3.3.3 仿真研究
• 3.3.4 其他辨识方法
• 3.4 本章小结
• 4 基于神经网络的系统辨识
• 4.1 引言
• 4.2 人工神经元网络的研究背景
• 4.3 人工神经元网络的基本概念和特征
• 4.4 人工神经元网络模型
• 4.4.1 人工神经元模型
• 4.4.2 人工神经元网络模型
• 4.5 多层前向神经网络
• 4.5.1 网络结构
• 4.5.2 训练算法
• 4.6 基于神经网络的系统辨识
• 4.6.1 神经网络建模的理论依据
• 4.6.2 仿真研究
• 4.6.3 神经网络辨识中存在的问题
• 4.7 本章小结
• 5 基于混合免疫算法优化的神经网络辨识
• 5.1 引言
• 5.2 人工神经网络的优化
• 5.2.1 问题的提出
• 5.2.2 ANN 的优化内容
• 5.3 基于混合免疫算法的ANN 优化设计
• 5.3.1 B 细胞编码
• 5.3.2 个体初始化
• 5.3.3 克隆选择算子的构造
• 5.3.4 BP 算子的构造
• 5.3.5 优化算法框架
• 5.4 基于混合免疫神经网络的系统辨识
• 5.4.1 辨识对象研究背景
• 5.4.2 辨识对象原理分析
• 5.4.3 辨识数据采样
• 5.4.4 神经网络模型结构的选取
• 5.4.5 神经网络的优化训练
• 5.4.6 仿真辨识结果
• 5.5 本章小结
• 总结与展望
• 参考文献
• 攻读学位期间发表的论文
• 致谢