一、免疫PID控制器遗传优化方法的研究（论文文献综述）
王文娟[1]（2020）在《基于井底钻压自动送钻控制系统设计及仿真》文中指出随着自动送钻技术在石油领域的广泛应用,钻柱的摩阻扭矩使得地面钻压与井底钻压差别较大,无法获得准确的井底钻压,不合适的井底钻压会影响钻头的性能和寿命,导致钻井效率较低。因此,在预知井底钻压的基础上运用模型算法得到相应地面目标钻压,以实现对井底钻压的准确控制,故自动送钻数学模型的建立尤为重要。针对具体的井身结构,基于钻柱力学理论从钻头处根据公式迭代求解大钩载荷,结合液压盘式刹车以及杨格修正模式,组成三环控制策略,建立一套完整的液压盘式刹车自动送钻控制系统。并针对常规PID控制器在自动送钻系统具有非线性特点,模糊PID控制器自适应能力有限的缺点,提出一种模糊免疫PID控制器应用于自动送钻控制系统。控制器的比例系数由模糊免疫控制器在线修正,积分和微分系数由自适应模糊控制器实时调整。模糊免疫PID控制器的免疫参数运用经验试凑法,导致免疫参数选取未必为最优值而造成系统超调量大,响应速度慢,运用了全局寻优特性的遗传算法对免疫参数进行优化。采用常规PID控制器、模糊PID控制器、模糊免疫PID控制器及基于遗传算法模糊免疫PID控制器分别对自动送钻控制系统模型进行仿真,来验证控制器在钻头钻压20t的动态性能和稳态性能。结果表明:在阶跃响应信号为20时,基于遗传算法的模糊免疫PID控制器相比于常规PID控制器,模糊PID控制器及模糊免疫PID控制器可将钻压差值响应时间分别提高约9.35倍,8.14倍及6.21倍,超调量分别降低约7.5%,5%及1%,充分证明了该控制器可以显着提高钻井自动送钻控制系统的动态性能和稳态性能。结合GUI模块搭建自动送钻系统,实现用户实时输入仿真参数,直观展现仿真过程。
黄丽华[2]（2019）在《基于网络环境的球杆系统控制方法的研究》文中研究说明随着控制、网络及通信技术在复杂控制系统中的发展与相互融合,网络化控制系统（Networked Control Systems,NCS）在自动化领域的研究变得尤为重要。传统控制系统因为网络的加入,使系统的控制性能得到扩展和增强,与此同时也存在使控制系统不稳定的因素,例如:网络延时、数据丢包、网络调度的问题等。因此,对网络化控制系统的研究具有非常重要的现实意义。控制领域中,控制器的设计一直是控制系统线性和非线性问题解决的重要方法。本文选用具有非线性特征的球杆系统作为控制对象展开研究。首先,在研究了球杆系统的装置结构以及数学模型的基础上,针对网络时延和丢包等不确定因素对控制系统性能的影响,研究借鉴生物免疫系统原理的PID控制器参数优化方法。一种是借鉴生物免疫反馈机制对PID参数进行在线自动调整的模糊免疫控制器;一种是采用人工免疫PSO算法优化的免疫控制器;一种是基于生物免疫机理,构造出一种与传统PID控制器完全不同的免疫控制器,即双因子免疫控制器,并采用人工免疫PSO算法对其免疫因子进行优化。本文分别采用MATLAB TrueTime2.0网络控制仿真平台和固高科技GBB2004球杆实时控制两种实验平台对三种控制器性能进行验证。仿真结果表明:在不同程度时延、丢包因素的网络环境下,系统中采用优化改进控制器的输出超调量和调节时间都要优于传统PID控制器,提高了球杆系统在网络环境下的鲁棒性和自适应性能,证明了优化后的控制系统有效性和可行性。
代爱妮[3]（2018）在《粮食干燥过程智能建模与控制研究》文中研究表明粮食干燥技术可降低粮食含水率到储粮安全含水率,减少由于腐败变质带来的损失,是现代化农业的重要组成部分之一。刚收获的粮食含水率普遍较高,为避免粮食发霉变质,需尽快干燥到安全储藏水分。有效的自动控制策略是实现粮食干燥目标的重要手段之一,然而,粮食干燥过程是一项复杂的热质传递过程,具有大滞后、多干扰、非线性和参数不确定性等特点,对粮食干燥控制目标的实现提出了严苛考验,使依赖于被控对象数学模型的传统控制遇到了挑战。智能控制不依赖于被控对象模型,具有实时控制性能好和鲁棒性强的优点,适合于非线性复杂系统的控制,是一种有效的粮食干燥机控制方式。通过采用模糊逻辑、人工神经网络或其它人工智能辨识方法来近似粮食干燥过程的非线性关系,然后结合相关控制算法,如PID（Proportional Integral Derivative）控制、自适应控制、模型预测控制、反步控制、滑模控制、进化算法或它们的组合来构造智能控制器。本论文依托粮食公益性行业科研专项（201413006-4）,针对入库前粮食干燥过程中的大滞后、非线性、大超调和强耦合等自动控制难点,以组合式多功能粮食干燥实验系统作为研究对象,开展粮食干燥过程的智能建模方法与智能控制策略的研究与应用。本文主要研究工作和创新点如下:1.在研究了粮食干燥过程的深床干燥机理模型基础上,针对红外辐射与对流联合的粮食干燥过程,研究了粮食干燥过程的几种智能建模方法。结合机理模型,引入BP神经网络方法、非线性自回归神经网络算法和改进粒子群优化支持向量机回归算法,建立了一类新的红外辐射与对流粮食干燥的动态过程模型,并验证了预测分析的有效性。基于热质传递原理,建立了组合式多功能粮食干燥实验系统的小麦混流循环干燥过程和小麦混流连续干燥过程的数学机理模型,利用MATLAB进行了小麦混流循环干燥过程和小麦混流连续干燥过程的数值模拟与分析。通过与粮食干燥实验数据对比,验证了模型的精确性。本研究设计的小麦混流连续干燥过程模型在粮食干燥机连续干燥控制仿真中用来模拟实际干燥过程,验证本论文所提出的控制算法的可行性。建立红外辐射与对流粮食干燥过程的反向传播神经网络预测模型,对其预测结果进行了分析与验证。研究并提出一种基于改进粒子群优化支持向量机回归的红外辐射与对流粮食干燥过程模型。该模型基于一种改进粒子群算法优化了支持向量机回归模型参数,使模型具有较高的预测精度。本研究提出的改进粒子群优化算法通过在标准粒子群优化算法中引入了一种基于适应度偏差的线性递减权重方程,改进了标准粒子群算法。对改进粒子群算法优化支持向量机模型的预测结果进行了分析与验证,通过与几种红外辐射与对流粮食干燥过程模型的预测性能比较,进一步验证了其建模精确性。研究并提出一种基于非线性自回归外生输入动态神经网络的红外辐射与对流粮食干燥过程模型,对其预测结果进行了分析与验证,通过与建立的线性自回归外生输入模型的预测性能进行比较,进一步验证了其建模精确性。2.提出一种粮食干燥质量和能量损耗控制的性能目标函数,结合遗传算法、生物免疫反馈算法、模糊控制和支持向量机等优化算法,提出了系列智能控制方法。仿真验证了这些智能控制算法在粮食干燥过程控制中具有快速、稳定、精确及抗干扰等良好的性能。基于遗传优化算法和生物免疫反馈算法,结合模糊控制与传统PID控制算法,研究并提出了两种基于改进型模糊免疫PID算法的粮食干燥机控制器（遗传优化模糊免疫PID控制器和遗传优化双模糊免疫PID控制器）。仿真结果表明两种改进型模糊免疫PID算法能适应复杂粮食干燥过程的控制,在快速性、稳定性、精确性及抗干扰性等方面均有良好的性能,其中后者性能更优。鉴于支持向量机建模优点,研究并提出了两种基于遗传优化支持向量机控制的粮食干燥机控制器:遗传优化支持向量机内模预测控制器和遗传优化支持向量机直接逆模型预测控制器。两种控制算法的跟踪仿真结果、抗干扰性测试结果和鲁棒测试结果均证明了两种遗传优化支持向量机控制算法在粮食干燥机控制中的有效性。其中,遗传优化支持向量机直接逆模型预测控制器的控制性能更好一些,该控制器采用机理模型与数据模型双驱动的控制方案,通过干扰信号反馈-控制信号调整-系统输出之间的时序关系对控制过程中的干燥段和排粮段滞后造成的大滞后控制问题进行了分析与论证。3.基于上述智能控制方法建立了实用的粮食干燥控制系统,在烘干质量和能耗等方面均优于已有的专家控制系统和人工控制系统。基于遗传优化支持向量机直接逆模型预测控制器,进行了小麦混流连续干燥控制实验,并与人工控制和已有的专家控制系统的控制效果分别进行了比较。实验结果表明基于遗传优化支持向量机直接逆模型预测控制器的控制性能优于其它两种控制方法。
叶会会[4]（2018）在《基于生物调节机制的智能控制及优化算法研究》文中进行了进一步梳理由于现代工业生产控制中的工艺流程越来越复杂和人们对控制目标要求的提高,传统的控制技术已经无法满足人们的控制需求。因此,需要研究更加智能、更加实用的智能控制技术。本文在研究基本智能控制算法的基础上,结合生物生理调节机制设计智能控制器,并将改进克隆选择优化算法应用于智能控制器的参数优化。（1）基于免疫调节机制的参数自整定模糊控制器设计。在分析传统模糊控制器缺陷的基础上,借鉴免疫系统中的T细胞调节原理整定模糊控制器的参数,使其能够在控制过程中自适应变化;利用免疫系统中的抗原提呈机制对控制偏差进行非线性处理,增强控制器灵敏度从而提高控制系统的稳态精度。将设计的控制器与传统PID控制器和模糊控制器进行对比,仿真实验证明该控制器控制性能的优越性。（2）受血糖调节机制启发的生物智能控制器设计。在分析血糖浓度调节机制的基础上,设计基于共轭梯度法的BP神经网络输出的增强和抑制单元以提高控制器动态性能;设计具有积分作用的稳态控制单元算法以保证控制系统的稳定运行;设计模糊协同控制单元以协调整个控制器各个单元的工作时间。将设计的控制器与传统PID控制器和BP神经网络控制器进行对比,仿真实验证明该控制器控制性能的优越性。（3）免疫克隆选择算法的研究与改进。在研究基本免疫克隆选择优化算法的基础上,对其存在的缺陷进行改进。利用混沌序列产生克隆选择算法的初始抗体群;在克隆算子中引入抗体生存度概念,利用激素分泌规律自适应调节抗体生存度的影响因子权重;在变异算子中引入自适应变异概率;从而提高算法的收敛速度和精度。并在典型测试函数上验证改进算法的寻优性能。（4）智能控制器的参数优化。利用改进后的克隆选择算法优化两种智能控制器参数,并将其应用在相同的生物反应器温度被控系统中,根据仿真实验结果对比分析两种智能控制器的控制性能。本文在模糊算法和BP神经网络算法的基础上,结合生物调节机制设计了两种智能控制器。此外,本文改进了免疫克隆选择算法并将其应用于智能控制器的参数优化。通过生物反应器的温度控制仿真实验结果验证了控制器具有较优的控制性能,并为生物机制与智能控制的融合研究提供了一种新途径。
张志柏,朱敏[5]（2017）在《基于免疫遗传算法优化的自调整PID控制器研究》文中提出目前,传统自调整PID控制器回路中存在目的误差、平均误差和透过误差较多的现象,容易造成工艺数据控制不精确。为此,提出一种基于免疫遗传算法优化的自调整PID控制器研究方案。首先确定PID控制器系统硬件结构,采用免疫遗传算法对自调整PID控制器回路中的积分单元以及微积分计算进行优化,有效避免了目的误差的产生,使用交叉与变异算子调整比例单元以及比例微分单元,借鉴数据交叉适应度值有效控制系统出现稳定性差变、降低平均误差以及透过误差出现的概率,保证工艺数据控制精度,有效解决了上述问题。仿真实验证明,基于免疫遗传算法优化的自调整PID控制器能够对工艺数据进行高精度控制,具有实践意义,能为自调整PID控制器研究发展提供帮助。
李琦,尚文斌[6]（2013）在《改进免疫PID在双容水箱控制中的优化研究》文中研究指明双容水箱是工业过程控制中常见的被控对象,由于液位控制具有非线性、大惯性、时变性及滞后性等特点,造成系统的稳定性差。常规控制算法很难达到较好的优化控制效果。为解决控制精度和参数整定等问题,提出一种改进免疫PID控制器,通过免疫反馈控制规律和模糊控制规则在线调整控制器的参数,使比例积分微分参数调节灵活性更强,用免疫遗传算法在全局范围内对免疫PID控制器中的参数进行离线优化。仿真结果表明改进控制算法与经典PID、一般免疫PID控制器相比具有更好的控制效果。
李育贤[7]（2011）在《基于免疫遗传算法的PID控制器参数优化研究》文中研究表明PID控制器参数优化一直是自动控制领域研究的热点问题。由于自动控制过程中被控对象具有非线性、时变不确定性等特点,传统的PID控制多采用试凑方式进行优化,往往费时而且难以满足控制的实时要求,导致控制精度不高。为了解决PID控制器参数优化问题,改善系统性能,提出一种基于免疫遗传算法的PID参数优化方法。该方法将PID控制器参数作为抗原,最优参数作为抗体,通过免疫算法的记忆细胞和抗体浓度调节机制,在控制过程中动态调整PID控制参数,从而实现PID控制器参数实时优,最后将该参数优化方法应用于实际的自动控制系统。实验应用研究表明,相对于传统参数优化方法,该方法在处理非线性和时变系统时,减少了超调小,响应速度提高,改善了系统性能,系统稳定性增强,控制精度相应提高,更能适应实际的自动控制系统需要。
袁桂丽[8]（2010）在《人工免疫系统及其在电站控制中的应用研究》文中研究指明本文设计了几种基于免疫反馈原理的控制器和基于免疫原理的自适应免疫遗传算法,并在电站控制系统进行了大量的应用仿真研究。第一：通过免疫反馈原理的研究,将免疫反馈控制器与模糊控制、PID控制有效的结合,设计模糊自调整免疫增量PID控制,并将其与传统方法整定的PID控制在球磨机负荷控制系统进行仿真对比研究,将模糊免疫PID控制与解决大迟延的Smith控制、内模控制进行仿真对比实验。仿真结果表明,模糊免疫PID控制器具有很好的快速性和抗干扰性。第二：在充分分析不完全微分和串级控制内回路作用基础上,设计了免疫不完全微分PID一免疫P串级控制,并将其应用到电站给水系统中。仿真结果表明,该控制策略下,即使参数在很大范围变化,给水系统仍具有很好的快速性和具有很好的克服给水扰动、蒸汽扰动的能力,大大减小了虚假水位的影响。第三：设计模糊免疫Smith控制器,利用Smith控制解决大迟延问题,利用模糊免疫控制解决快速性和抗干扰性、模型不匹配时系统的稳定性问题。并将其应用于给水系统,仿真结果表明,模糊免疫改进Smith控制具有比Smith控制更好的快速性和抗干扰性。第四：设计了免疫内模控制器。利用免疫控制实现在线整定内模控制器的滤波器参数,解决内模控制系统快速性和鲁棒性之间的矛盾。并将其用于球磨机负荷控制系统,仿真结果表明,免疫内模控制比内模控制具有更好的快速性和抗干扰性。第五：设计了基于相似性矢量距的自适应免疫遗传算法。给出了自适应免疫遗传算法各个模块的设计方法,同时将自适应免疫遗传算法同遗传算法收敛性函数验证做了仿真实验对比,仿真结果表明,自适应免疫遗传算法较遗传算法具有更好、更快的寻优能力。第六：将自适应免疫遗传算法用于电站主汽温控制系统PID参数的优化和电站机组的经济负荷优化分配。仿真结果表明,自适应免疫遗传算法具有比遗传算法更强的寻优能力,尤其它的全局、快速收敛性能,为电站系统在线实时优化运行的实施,提供了有利的保证。
冯冬青,张志娟[9]（2009）在《预估模糊免疫PID在房间温度控制中的应用》文中提出针对空调房间温度对象的大滞后、大惯性、多干扰的特性,设计了具有史密斯（Smith）预估功能的模糊免疫PID控制器。该控制器采用Smith预估和免疫PID控制相结合的结构,借鉴免疫算法的生物免疫反馈机理进行PID参数的在线自适应调整;用模糊控制器来逼近免疫PID的非线性函数,并用遗传算法优化它的隶属度函数。对该控制方案进行系统仿真结果表明:该方法抗扰能力强、调节速度快、超调量小,可用于精确的控制房间温度。
李宁[10]（2009）在《基于免疫遗传算法的PID参数整定在网络化控制系统中的应用》文中研究指明PID控制器的参数整定技术一直是自动控制领域研究的重点,基于实际工业生产过程中被控对象的非线性、时变不确定性等问题,精确的数学模型难以建立,使用常规PID控制器很难达到理想的控制效果,长期以来人们一直在寻求PID控制器参数的自整定技术,以适应复杂的工况和高指标的控制要求。传统的PID参数整定方法无法实现对参数的鲁棒整定的要求,PID参数的寻优成为解决问题的关键。基于计算机技术的迅猛发展,许多学者开始研究一些优化算法,如自适应智能控制技术方法、神经网络方法以及遗传算法等,来达到寻优的目的。遗传算法作为一种结合生命科学理论的智能算法,可以高度并行全局搜索,在理论上已经形成了一套较为完善的算法体系并可作为一种理念与其他算法结合,免疫遗传算法就是一个很好的例子,它在遗传算法的基础上融入免疫算法的特性,克服了遗传算法本身存在的一些不足,能够很好地防止早熟现象,更有效地提高寻优速度。本文介绍了PID控制器以及其参数整定技术,结合近年来应用较多的智能算法,遗传算法、BP神经网络以及免疫原理的免疫遗传算法,对PID控制器参数进行整定,并对整定效果进行了Matlab仿真。结果表明,经过智能算法的参数寻优,PID控制器能达到很好地控制效果。根据实际需要,我们进行了基于以太网技术的网络化控制技术实验系统的软硬件平台的设计,阐述了系统的整体硬件设计、现场模型装置的硬件选用和网络控制系统的硬件安装,介绍了虚拟仪器技术和LabVIEW语言,然后分别从软件组态和上位机编程两个方面进行了设计,完成了信号采集和设定子程序、上位箱液位控制子程序和上位机监控界面的设计。应用免疫遗传算法对系统的PID控制器参数整定,进行了结果分析。
二、免疫PID控制器遗传优化方法的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、免疫PID控制器遗传优化方法的研究（论文提纲范文）
（1）基于井底钻压自动送钻控制系统设计及仿真（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 题目来源和研究背景 |
| 1.1.1 题目来源 |
| 1.1.2 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外井底钻压研究现状 |
| 1.2.2 国内外自动送钻控制系统研究现状 |
| 1.2.3 目前自动送钻控制系统存在的问题 |
| 1.3 本文研究内容及章节安排 |
| 第二章 基于井底钻压的求解计算 |
| 2.1 井底钻压的求解 |
| 2.1.1 理论模型计算原理 |
| 2.1.2 计算井底钻压DWOB的流程 |
| 2.1.3 本模型和其它模型的比较 |
| 2.1.4 摩擦系数的计算 |
| 2.1.5 井底钻压的计算 |
| 2.2 基于井底钻压求解大钩载荷 |
| 2.3 本章小结 |
| 第三章 基于井底钻压自动送钻系统的设计 |
| 3.1 自动送钻系统 |
| 3.2 基于井底钻压自动送钻系统方案设计 |
| 3.2.1 一种常规的自动送钻系统 |
| 3.2.2 基于井底钻压的自动送钻系统 |
| 3.3 自动送钻系统的实现目标 |
| 3.4 自动送钻系统的系统结构图 |
| 3.5 本章小结 |
| 第四章 自动送钻系统建模与仿真 |
| 4.1 自动送钻系统工作原理 |
| 4.3 液压压力环算法与程序设计 |
| 4.3.1 电液伺服阀的传递函数 |
| 4.3.2 液压缸-负载环节的传递函数 |
| 4.3.3 放大比例环节 |
| 4.4 速度调节器算法与程序设计提升系统 |
| 4.5 钻压调节器算法与程序设计 |
| 4.6 本章小结 |
| 第五章 基于遗传算法的模糊免疫PID控制系统 |
| 5.1 PID控制器 |
| 5.2 模糊PID控制器 |
| 5.3 模糊免疫PID控制器 |
| 5.3.1 免疫反馈控制机理 |
| 5.3.2 免疫控制器的设计 |
| 5.3.3 控制器积分系数、微分系数的整定 |
| 5.4 基于遗传算法的免疫参数优化研究 |
| 5.4.1 遗传算法概述 |
| 5.4.2 遗传算法设计流程 |
| 5.5 仿真对比分析 |
| 5.6 本章小结 |
| 第六章 基于井底钻压自动送钻控制系统设计及仿真 |
| 6.1 MATLAB GUI简介 |
| 6.2 基于GUI界面设计过程 |
| 6.2.1 GUI界面主要控件 |
| 6.2.2 主界面设计 |
| 6.2.3 次界面设计 |
| 6.3 GUI在线调参测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（2）基于网络环境的球杆系统控制方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 网络控制理论的研究 |
| 1.2.2 球杆系统的研究 |
| 1.2.3 人工免疫系统的研究 |
| 1.3 本论文主要研究内容和结构安排 |
| 1.4 本章小结 |
| 第二章 基于生物免疫机制的控制方法 |
| 2.1 生物免疫的发展 |
| 2.1.1 免疫的定义 |
| 2.1.2 免疫学发展史 |
| 2.2 生物免疫系统的特征 |
| 2.2.1 免疫系统的结构与特点 |
| 2.2.2 免疫系统的主要功能 |
| 2.2.3 免疫系统的功能实现 |
| 2.3 控制系统可借鉴的免疫原理和机制 |
| 2.4 本章小结 |
| 第三章 基于模糊免疫PID控制的球杆系统 |
| 3.1 球杆系统结构 |
| 3.2 球杆系统建模 |
| 3.2.1 球杆机械部分建模 |
| 3.2.2 转盘与连杆机构部分建模 |
| 3.2.3 伺服机构建模 |
| 3.3 球杆系统模糊控制策略研究 |
| 3.3.1 模糊控制原理 |
| 3.3.2 模糊PID控制器设计 |
| 3.3.3 模糊免疫PID控制器的改进设计 |
| 3.4 球杆系统网络控制的模糊控制 |
| 3.5 仿真结果及分析 |
| 3.5.1 仿真模型构建 |
| 3.5.2 仿真结果对比与分析 |
| 3.5.3 球杆系统实时控制验证及分析 |
| 3.6 本章小结 |
| 第四章 基于免疫PSO优化的球杆控制系统研究 |
| 4.1 免疫优化算法的概述 |
| 4.1.1 克隆选择算法 |
| 4.1.2 B细胞网络算法 |
| 4.1.3 阴性选择算法 |
| 4.1.4 免疫进化规划算法 |
| 4.2 人工免疫粒子群算法 |
| 4.2.1 人工免疫PSO算法的基本原理 |
| 4.2.2 算法流程 |
| 4.2.3 仿真验证 |
| 4.3 本章小结 |
| 第五章 基于双因子免疫的球杆控制系统研究 |
| 5.1 免疫控制器 |
| 5.2 双因子免疫控制器 |
| 5.2.1 基本双因子调节免疫动力学方程 |
| 5.2.2 双因子免疫控制器的设计与实现 |
| 5.3 基于人工免疫PSO参数优化的双因子免疫控制器的研究 |
| 5.3.1 人工免疫PSO算法的双因子控制器的设计 |
| 5.3.2 仿真实验及结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录A(攻读硕士学位期间的学术成果) |
（3）粮食干燥过程智能建模与控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能控制理论研究现状 |
| 1.2.2 粮食干燥机研究现状 |
| 1.2.3 粮食干燥机模型研究现状 |
| 1.2.4 粮食干燥机控制方法研究现状 |
| 1.3 本文采取的研究方法和技术路线 |
| 1.4 研究目标和研究内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 论文结构 |
| 第二章 粮食干燥基本理论概述及粮食干燥机控制方案简介 |
| 2.1 引言 |
| 2.2 粮食干燥基本理论 |
| 2.2.1 粮食干燥基本原理 |
| 2.2.2 影响粮食干燥的主要因素 |
| 2.2.3 粮食干燥的动力学曲线 |
| 2.2.4 粮食干燥的数学模型 |
| 2.3 粮食干燥技术、干燥机分类及其特点 |
| 2.3.1 粮食干燥技术 |
| 2.3.2 粮食干燥机分类 |
| 2.3.3 粮食干燥机工作特点 |
| 2.4 粮食干燥机控制方案 |
| 2.4.1 粮食干燥机控制特点 |
| 2.4.2 粮食干燥机控制问题分析 |
| 2.4.3 粮食干燥机智能控制方案 |
| 2.5 粮食干燥机控制对象-组合式多功能粮食干燥实验系统 |
| 2.5.1 机械系统 |
| 2.5.2 控制系统 |
| 2.5.3 工艺流程 |
| 2.5.4 控制对象-组合式多功能粮食干燥机实验 |
| 2.5.5 基于一元回归经验方程的红外辐射与对流(IRC)粮食干燥过程模型研究 |
| 2.6 本章小结 |
| 第三章 小麦混流干燥过程机理的数学建模与数值模拟 |
| 3.1 引言 |
| 3.2 粮食混流干燥工艺原理 |
| 3.3 粮食单元床层的薄层干燥方程 |
| 3.4 小麦混流循环干燥过程机理的数学建模与数值模拟 |
| 3.5 小麦混流连续干燥过程机理的数学建模与数值模拟 |
| 3.6 小麦混流循环干燥过程机理数学模型的实验验证 |
| 3.7 本章小结 |
| 第四章 粮食干燥过程智能建模方法研究 |
| 4.1 引言 |
| 4.2 基于BP神经网络的红外辐射与对流(IRC)粮食干燥过程模型研究 |
| 4.2.1 BP神经网络算法原理 |
| 4.2.2 基于BP神经网络的IRC粮食干燥过程模型研究 |
| 4.2.3 基于BP神经网络的IRC粮食干燥过程预测 |
| 4.3 基于动态神经网络NARX的红外辐射与对流(IRC)粮食干燥过程模型研究 |
| 4.3.1 非线性自回归外生输入动态神经网络(NARX)原理 |
| 4.3.2 基于NARX的IRC粮食干燥过程模型研究 |
| 4.3.3 基于NARX模型的IRC粮食干燥过程预测 |
| 4.3.4 与线性自回归外生输入(ARX)的IRC粮食干燥过程模型比较 |
| 4.4 基于改进粒子群算法优化支持向量机(IPSO-SVR(LDIW-FD)的红外辐射与对流(IRC)粮食干燥过程模型研究 |
| 4.4.1 改进粒子群优化算法和支持向量机算法原理 |
| 4.4.2 基于IPSO-SVR(LDIW-FD)算法的IRC粮食干燥过程模型研究 |
| 4.4.3 基于IPSO-SVR(LDIW-FD)模型的IRC粮食干燥过程预测 |
| 4.4.4 与其它几种IRC粮食干燥过程模型比较 |
| 4.5 本章小结 |
| 第五章 粮食干燥机的几种模糊控制方法研究 |
| 5.1 引言 |
| 5.2 粮食干燥机的几种基本控制方法 |
| 5.2.1 PID控制 |
| 5.2.2 模糊控制 |
| 5.2.3 遗传算法 |
| 5.3 基于遗传优化模糊PID参数自调整(GOFP)算法的粮食干燥机控制器设计 |
| 5.3.1 模糊PID参数自调整控制器(FP)设计与仿真 |
| 5.3.2 遗传优化模糊PID参数自调整控制器(GOFP)设计与仿真 |
| 5.4 基于遗传优化模糊免疫PID(GOFIP)算法的粮食干燥机控制器设计 |
| 5.4.1 生物免疫反馈控制原理 |
| 5.4.2 模糊免疫PID控制器(FIP)设计 |
| 5.4.3 遗传优化模糊免疫PID控制器(GOFIP)设计与优化 |
| 5.4.4 GOFIP控制仿真实验与控制性能分析 |
| 5.5 基于遗传优化双模糊免疫PID(GODFIP)算法的粮食干燥机控制器设计 |
| 5.5.1 常规模糊免疫PID控制器(FIP)局限性及改进方法 |
| 5.5.2 遗传优化双模糊免疫PID控制器(GODFIP)设计与优化 |
| 5.5.3 GODFIP控制仿真实验与控制性能分析 |
| 5.6 本章小结 |
| 第六章 基于遗传优化支持向量机内模PID (GO-SVR-IMPC)算法的粮食干燥机控制器设计 |
| 6.1 引言 |
| 6.2 支持向量机内模控制器(SVR-IMC)设计 |
| 6.2.1 SVR-IMC设计 |
| 6.2.2 SVR-IMC的局限性和改进方法 |
| 6.3 GO-SVR-IMPC控制器设计与优化 |
| 6.3.1 GO-SVR-IMPC控制器设计 |
| 6.3.2 GO-SVR-IMPC控制器优化 |
| 6.4 GO-SVR-IMPC控制仿真实验和控制性能分析 |
| 6.4.1 GO-SVR-IMPC控制器仿真实验 |
| 6.4.2 支持向量机内模型和逆模型辨识 |
| 6.4.3 GO-SVR-IMPC控制性能分析 |
| 6.5 本章小结 |
| 第七章 基于遗传优化支持向量机直接逆模型PID(GO-SVR-IIMCPID)算法的粮食干燥机控制器设计 |
| 7.1 引言 |
| 7.2 SVR直接逆模型控制器(SVR-ⅡMC)设计 |
| 7.2.1 SVR-ⅡMC设计 |
| 7.2.2 SVR-ⅡMC控制器设计的局限性及改进方法 |
| 7.3 GO-SVR-ⅡMCPID控制器设计与优化 |
| 7.3.1 GO-SVR-ⅡMCPID控制器设计 |
| 7.3.2 GO-SVR-ⅡMCPID控制器优化 |
| 7.4 GO-SVR-ⅡMCPID控制仿真实验和控制性能分析 |
| 7.4.1 GO-SVR-ⅡMCPID控制仿真实验 |
| 7.4.2 SVR直接逆模型辨识 |
| 7.4.3 GO-SVR-ⅡMCPID控制性能分析 |
| 7.5 基于GO-SVR-ⅡMCPID控制器的小麦混流连续干燥控制实验 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究工作总结 |
| 8.2 展望 |
| 参考文献 |
| 附录 |
| 附录一 缩略说明表 |
| 附录二 检测报告 |
| 1. 组合式多功能粮食干燥实验系统干燥性能检测报告 |
| 2. 粮食干燥后苯并芘含量检验报告 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）基于生物调节机制的智能控制及优化算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题背景及意义 |
| 1.2 智能控制国内外研究现状 |
| 1.2.1 模糊控制研究现状 |
| 1.2.2 生物智能控制研究现状 |
| 1.3 本文研究内容 |
| 第2章 基于免疫调节机制的参数自整定模糊控制器设计 |
| 2.1 模糊控制算法原理 |
| 2.2 生物免疫系统调节原理 |
| 2.3 基于免疫调节机制的参数自整定模糊控制器设计 |
| 2.3.1 控制器架构设计 |
| 2.3.2 主控模块算法设计 |
| 2.3.3 动态调节模块算法设计 |
| 2.3.4 稳态调节模块算法设计 |
| 2.3.5 免疫模糊参数自整定控制器整体工作过程 |
| 2.4 系统仿真及结果分析 |
| 2.4.1 仿真被控对象 |
| 2.4.2 生物反应器模型辨识 |
| 2.4.3 免疫控制参数的影响作用分析 |
| 2.4.4 控制效果对比分析 |
| 2.5 本章小结 |
| 第3章 受血糖调节机制启发的生物智能控制器设计 |
| 3.1 人体内血糖浓度双向协同调节机制 |
| 3.1.1 双向调节机制 |
| 3.1.2 血糖浓度调节过程 |
| 3.2 受血糖调节机制启发的智能控制器设计 |
| 3.2.1 受启发的控制器架构设计 |
| 3.2.2 基于神经网络的动态增强控制单元算法 |
| 3.2.3 基于神经网络的动态抑制控制单元算法 |
| 3.2.4 基于积分作用的稳态控制单元算法 |
| 3.2.5 基于模糊的协同控制单元算法 |
| 3.2.6 智能控制器整体工作过程 |
| 3.3 仿真实验及结果分析 |
| 3.3.1 受血糖调节机制启发的智能控制器控制效果 |
| 3.3.2 控制效果对比分析 |
| 3.4 本章小结 |
| 第4章 改进克隆选择优化算法研究 |
| 4.1 克隆选择优化算法原理 |
| 4.1.1 克隆选择学说 |
| 4.1.2 克隆选择优化算法流程 |
| 4.1.3 克隆选择优化算法的缺陷 |
| 4.2 改进克隆选择优化算法 |
| 4.2.1 初始抗体的产生方法 |
| 4.2.2 克隆算子的改进策略 |
| 4.2.3 变异算子的改进策略 |
| 4.2.4 改进克隆选择优化算法流程 |
| 4.3 寻优性能测试 |
| 4.4 本章小结 |
| 第5章 改进克隆选择算法在控制器参数优化中的应用 |
| 5.1 改进克隆选择算法优化控制器参数过程 |
| 5.1.1 定义亲和度函数 |
| 5.1.2 控制器参数优化流程 |
| 5.2 基于免疫调节机制的参数自整定模糊控制器的参数优化 |
| 5.3 受血糖调节机制启发的智能控制器的参数优化 |
| 5.4 两种智能控制器的对比分析 |
| 5.5 本章小节 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（5）基于免疫遗传算法优化的自调整PID控制器研究（论文提纲范文）
| 1 整体设计 |
| 1.1 硬件设计 |
| 1.2 运用免疫遗传算法进行单元修正 |
| 1.3 交叉与变异算子调整 |
| 2 仿真实验分析 |
| 2.1 参数设定 |
| 2.2 结果分析 |
| 3 结束语 |
（6）改进免疫PID在双容水箱控制中的优化研究（论文提纲范文）
| 1 引言 |
| 2 双容水箱系统 |
| 3 改进型免疫PID控制器的设计 |
| 3.1 免疫系统及其反馈控制规律 |
| 3.2 一般免疫PID控制器 |
| 3.3 改进型免疫PID控制器 |
| 3.4 基于免疫遗传算法的优化参数 |
| 4 仿真及性能比较 |
| 5 结束语 |
（7）基于免疫遗传算法的PID控制器参数优化研究（论文提纲范文）
| 1 引言 |
| 2 基于免疫遗传算法的PID参数优化 |
| 2.1 传统的PID控制器 |
| 2.2 免疫遗传算法 |
| 2.3 免疫遗传算法的PID参数优化的基本思想 |
| 2.4 基于免疫遗传算法的PID参数优化过程 |
| ①交叉操作 |
| ②变异操作 |
| 3 仿真实例 |
| 4 结束语 |
（8）人工免疫系统及其在电站控制中的应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及其意义 |
| 1.2 国内外研究现状 |
| 1.3 人工免疫系统今后研究方向 |
| 1.4 本文的主要内容和结构安排 |
| 第二章 生物免疫系统 |
| 2.1 生物免疫系统组成 |
| 2.1.1 免疫器官 |
| 2.1.2 免疫分子 |
| 2.1.3 免疫细胞 |
| 2.2 免疫系统的主要功能 |
| 2.3 免疫系统的功能实现环节 |
| 2.3.1 自己与非己区分 |
| 2.3.2 免疫应答 |
| 2.3.3 免疫调节 |
| 2.4 免疫系统的特点 |
| 第三章 免疫控制器的设计及其在电站控制中的应用研究 |
| 3.1 基于免疫调节的免疫反馈原理 |
| 3.1.1 免疫系统的自调节 |
| 3.1.2 免疫系统的反馈调节任务 |
| 3.1.3 免疫系统与控制系统的类比 |
| 3.2 模糊免疫P控制器 |
| 3.2.1 基于免疫原理的免疫控制器算法 |
| 3.2.2 基于免疫原理的免疫P控制器 |
| 3.2.3 f(u(k),△u(k))的非线性实现 |
| 3.2.4 模糊控制的特点 |
| 3.2.5 模糊控制的原理及结构 |
| 3.2.6 基本模糊控制器的设计 |
| 3.2.7 模糊免疫P控制器设计 |
| 3.3 模糊自调整免疫增量PID控制器设计 |
| 3.4 模糊免疫PID控制在球磨机负荷控制系统仿真研究 |
| 3.4.1 球磨机负荷系统运行原理 |
| 3.4.2 球磨机负荷控制系统的工作特性 |
| 3.4.3 负荷控制系统的动态模型 |
| 3.4.4 模糊免疫PID控制在球磨机负荷控制系统中的仿真研究 |
| 3.5 免疫不完全微分PID—免疫P构成串级控制器 |
| 3.5.1 免疫不完全微分PID的主控制器设计 |
| 3.5.2 副回路的免疫P调节 |
| 3.5.3 免疫PID主控制器结构及免疫P副控制器结构 |
| 3.6 免疫不完全微分PID-免疫P串级控制在给水系统的仿真研究 |
| 3.6.1 三冲量汽包水位控制系统工作原理 |
| 3.6.2 三冲量汽包水位控制系统的数学模型 |
| 3.6.3 仿真研究 |
| 3.7 基于模糊免疫的改进Smith预估补偿控制器设计 |
| 3.7.1 改进的Smith预估补偿控制 |
| 3.7.2 基于模糊免疫的Smith控制器设计 |
| 3.7.3 模糊免疫Smith控制在给水系统的仿真研究 |
| 3.8 免疫内模控制器的设计 |
| 3.8.1 内模控制器结构、性质和设计 |
| 3.8.2 内模控制与Smith控制的关系 |
| 3.8.3 基于Smith预估原理的IMC控制器设计 |
| 3.8.4 免疫Smith内模控制 |
| 3.8.5 免疫内模控制在球磨机负荷系统的应用研究 |
| 第四章 自适应免疫遗传算法的设计 |
| 4.1 研究自适应免疫遗传算法的意义 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法发展概述 |
| 4.2.2 遗传算法的基本原理 |
| 4.2.3 遗传算法流程图及基本步骤 |
| 4.2.4 遗传算法的构造过程 |
| 4.2.5 遗传算法作为算法具有如下优点、不足和改进方向 |
| 4.3 免疫算法 |
| 4.3.1 免疫机制简介 |
| 4.3.2 免疫算法发展概述 |
| 4.3.3 免疫算法基本思想和基本类型 |
| 4.3.4 免疫算法的特点和免疫算法的基本步骤 |
| 4.3.5 免疫算法与遗传算法的区别 |
| 4.4 免疫遗传算法基本原理 |
| 4.4.1 免疫遗传算法的基本思想 |
| 4.4.2 自适应免疫遗传算法流程图与遗传算法流程图比较 |
| 4.5 自适应免疫遗传算法模块设计 |
| 4.6 基于矢量距免疫遗传算法收敛性 |
| 4.7 自适应免疫遗传算法的性能测试 |
| 第五章 自适应免疫遗传算法在电站优化控制中的应用研究 |
| 5.1 自适应免疫遗传算法在主汽温控制系统中的应用研究 |
| 5.1.1 基于自适应免疫遗传算法的控制系统PID自整定研究的背景及意义 |
| 5.1.2 基于免疫遗传算法的主汽温系统PID参数优化设计方案 |
| 5.1.3 主汽温对象动态特性 |
| 5.1.4 仿真研究 |
| 5.2 自适应免疫遗传算法在厂级负荷优化中的应用研究 |
| 5.2.1 厂级负荷优化的背景及意义 |
| 5.2.2 厂级分配的国内外研究现状 |
| 5.2.3 火电厂单元机组煤耗特性曲线的确定 |
| 5.2.4 自适应免疫遗传算法的参数设置 |
| 5.2.5 仿真研究 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研工作 |
（10）基于免疫遗传算法的PID参数整定在网络化控制系统中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 国内外在该方向的研究现状及分析 |
| 1.2.1 国外的研究情况 |
| 1.2.2 国内的研究现状 |
| 1.3 本论文的主要工作 |
| 第2章 PID 参数的智能算法优化整定 |
| 2.1 PID 控制器及其参数整定 |
| 2.1.1 PID 控制器的发展历程 |
| 2.1.2 PID 控制算法的主要优缺点 |
| 2.1.3 传统PID 控制算法 |
| 2.1.4 PID 控制器参数整定的主要方法 |
| 2.2 遗传算法 |
| 2.2.1 遗传算法的发展与现状 |
| 2.2.2 基本遗传算法的结构 |
| 2.2.3 遗传算法步骤和流程 |
| 2.2.4 遗传算法的 PID 整定原理 |
| 2.3 免疫遗传算法 |
| 2.3.1 自然免疫系统 |
| 2.3.2 免疫遗传算法概述 |
| 2.3.3 基于免疫遗传算法的PID 参数寻优 |
| 2.4 BP 神经网络 |
| 2.4.1 算法简介 |
| 2.4.2 性能分析 |
| 2.4.3 仿真结果分析 |
| 2.5 本章小结 |
| 第3章 网络化控制实验系统 |
| 3.1 总体结构 |
| 3.1.1 现场控制模型装置 |
| 3.1.2 以太网控制系统 |
| 3.1.3 网络控制系统硬件介绍 |
| 3.1.4 液位控制系统 |
| 3.2 网络控制系统硬件组装 |
| 3.2.1 安装网络模块 |
| 3.2.2 FieldPoint 系统与以太网连接 |
| 3.2.3 各模块接线端子划分 |
| 3.3 本章小结 |
| 第4章 网络化控制系统软件设计 |
| 4.1 虚拟仪器技术 |
| 4.1.1 虚拟仪器的概念 |
| 4.1.2 虚拟仪器的构成 |
| 4.1.3 虚拟仪器的特点 |
| 4.2 图形化编程软件平台LabVIEW |
| 4.2.1 LabVIEW 概述 |
| 4.2.2 LabVIEW 的特点 |
| 4.2.3 用LabVIEW 设计虚拟仪器的步骤 |
| 4.3 软件组态 |
| 4.3.1 配置FP-2000 模块 |
| 4.3.2 配置I/O 模块与通道 |
| 4.4 软件编程 |
| 4.4.1 OPC 技术 |
| 4.4.2 子程序设计 |
| 4.4.3 监控软件设计 |
| 4.4.4 测试分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、免疫PID控制器遗传优化方法的研究（论文参考文献）
- [1]基于井底钻压自动送钻控制系统设计及仿真[D]. 王文娟. 西安石油大学, 2020
- [2]基于网络环境的球杆系统控制方法的研究[D]. 黄丽华. 昆明理工大学, 2019(04)
- [3]粮食干燥过程智能建模与控制研究[D]. 代爱妮. 北京邮电大学, 2018(01)
- [4]基于生物调节机制的智能控制及优化算法研究[D]. 叶会会. 中国石油大学(华东), 2018(07)
- [5]基于免疫遗传算法优化的自调整PID控制器研究[J]. 张志柏,朱敏. 电子设计工程, 2017(22)
- [6]改进免疫PID在双容水箱控制中的优化研究[J]. 李琦,尚文斌. 计算机仿真, 2013(10)
- [7]基于免疫遗传算法的PID控制器参数优化研究[J]. 李育贤. 计算机仿真, 2011(08)
- [8]人工免疫系统及其在电站控制中的应用研究[D]. 袁桂丽. 华北电力大学（北京）, 2010(09)
- [9]预估模糊免疫PID在房间温度控制中的应用[J]. 冯冬青,张志娟. 计算机工程与设计, 2009(19)
- [10]基于免疫遗传算法的PID参数整定在网络化控制系统中的应用[D]. 李宁. 燕山大学, 2009(07)