基于免疫原理的氣動比例閥缸系統的位置控制

，，

（河南科技大學 電子信息工程學院，河南 洛陽 471003）

1 引言

人體免疫系統具有很強的魯棒性和自適應能力，能夠對外來病原體的入侵迅速做出反映。生物免疫系統的這些特性，已在國內外引起了廣泛的重視，并且很多研究人員將免疫反饋機理應用于控制系統設計方面。目前比較常見的免疫控制器有：1）從生物免疫機理出發，設計免疫反饋控制器，并與PID結合起來［1］；2）基于識別因子和殺傷因子的雙因子免疫控制器［2］；3）從生物免疫應答機理出發，構造出與傳統控制器完全不同的仿生控制器［4］；4）利用免疫算法，結合 PSO［4］、神經網絡、遺傳算法等其他智能優化算法優化控制器參數。本文針對氣動比例閥缸系統，設計免疫控制器，并對系統穩定性進行了分析，仿真結果表明，設計的控制器具有較好的跟蹤特性，當負載變化時具有較好的適應能力。

2 基于免疫原理的控制器設計方案

2.1 免疫反饋機制

當外界物質（包括抗原、被病毒感染的自身細胞等）的信息被抗原呈遞細胞（APC）捕獲后，APC將信息傳遞給T細胞，即傳遞給Th細胞和Ts細胞，然后刺激B細胞，B細胞產生抗體以消除抗原。當抗原較多時，機體內的Th細胞也較多，而Ts細胞卻較少，從而產生的B細胞會多些。隨著抗原的減少，體內Ts細胞增多，它抑制了Th細胞的產生，則B細胞也隨著減少，經過一段時間后，免疫反饋系統便趨于平衡。原理圖如圖1所示。

圖1 免疫反饋原理圖Fig.1 Schematic diagram of immune feedback

2.2 免疫控制器模型推導

基于2.1所述原理，設第k代抗原數量為Ag（k），抗體數量為Ab（k），由抗原刺激的Th細胞的輸出為Th（k），Ts細胞的輸出為Ts（k），B細胞接受的總刺激為B（k），可建立如下數學模型：

式中：k1，k2，k3為增益系數，c∈（0，1）。

3 氣動比例閥缸位置控制系統

實驗系統主要由氣缸、比例閥、位移傳感器和A／D，D／A轉換裝置以及計算機組成，如圖2所示。其中比例閥采用MPYE－5－1／4－010－B、無桿氣缸型號為GP－25－400－PPV－A－B。根據其參數，可得氣動比例位置控制系統閉環傳遞函數

圖2 實驗系統組成示意圖Fig.2 Schematic diagram of experimental system

4 控制系統仿真及穩定性分析

4.1 控制器性能仿真分析

采用免疫控制系統仿真框圖如圖3所示。

圖3 免疫控制系統框圖Fig.3 Immune control system frame

本文以單位階躍響應為輸入信號，被控對象傳遞函數如式（2），其中，各參數取值為：k1＝1.2，k2＝0.9，k3＝0.1，c＝0.1。由圖4可知，與模糊控制器相比，本文的免疫控制器響應速度快，且無超調，具有較好的跟蹤能力。

圖4 控制系統仿真結果Fig.4 The simulation result of the control system

4.2 負載變化系統的穩定性

系統工作時，帶負載工作的穩定性顯得尤為重要，圖4仿真結果是在M為2kg時得出的。慣性負載M變化時，控制系統的固有頻率和阻尼比將會隨著變化。由此可知，慣性負載的大小可能對閉環控制的輸出特性有一定的影響。系統穩定工作時負載的大小由三階系統的勞斯穩定判據及式（2）可得

系統開環傳遞函數為

由式（4）和系統參數可得

解得Kn＝2.32。進一步由式（3）解得M＜21.4 kg。由上述推理可知，該氣動比例位置控制系統在慣性負載質量小于21.4kg時，系統可穩定運行，現取不同的質量M，可得相應的ωn，ζn具體數值如表1所示，進而得到響應模型函數，并進行仿真。

表1 數值對應表Tab.1 Numerical table

圖5a為M＝5kg時的仿真結果，圖5b為M＝8kg時的仿真結果，表2為系統動態響應指標。可以看出，在負載穩定的范圍內，當M變大時，免疫控制器的控制效果明顯好于模糊控制，系統響應指標更清晰的表明，不論超調量還是上升時間，免疫控制器具有明顯優勢，更具適應性。

圖5 仿真結果Fig.5 Simulation results

表2 動態響應性能比較Tab.2 The comparison of dynamic response

5 結論

本文借鑒生物免疫系統的免疫反饋機理，設計了一種免疫控制器，并將其成功應用于氣動比例閥缸的位置控制。仿真結果表明，與模糊控制算法相比，本文提出的控制器具有更優的動態特性和跟蹤特性，且當外界負載發生變化時，控制器具有較強的適應性。

［1］高憲文，趙亞平.焦爐模糊免疫自適應PID控制的應用研究［J］.控制與決策，2005，20（12）：1346－1349.

［2］付冬梅，位耀光，鄭德玲.識別強化的雙因子免疫控制器及其特性分析［J］.控制理論與應用，2007，24（4）：530－534.

［3］吳婕，沈炯，李益國.熱工過程的免疫控制系統設計及穩定性分析［J］.控制理論與應用，2009，26（5）：510－514.

［4］孫遜，章衛國，尹偉，等.基于免疫粒子群算法的飛行控制器參數尋優［J］.系統仿真學報，2007，19（12）：2765－2767.

［5］莫宏偉，左興權，畢曉君.人工免疫系統研究進展［J］.智能系統學報，2009，4（1）：21－29.

［6］李小紅，李安伏，牛紅惠.基于免疫原理的控制調節器設計［J］.電氣應用，2006，25（1）：111－113.

［7］Jamaludin J，Rahim N A，Hew W P.Development of a Selftuning Fuzzy Logic Controller for Intelligent Control of Elevator Systems［J］.Engineering Applications of Artificial Intelligence，2009，22（3）：1167－1178.