[發明專利]一種基于RBF神經網絡和自適應搜索的人工免疫算法

有效

• 申請號: 201910156219.3
• 申請日: 2019-03-01
• 公開（公告）號: CN109870909B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 韓壽松;寧初明;薛大兵;李華瑩;晁智強;李燕軍;沈燦鐸;劉毅;靳瑩;王飛;江鵬程;譚永營;李勛
• 申請（專利權）人: 中國人民解放軍陸軍裝甲兵學院;軍事科學院系統工程研究院軍需工程技術研究所
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京中南長風知識產權代理事務所(普通合伙) 11674
• 代理人: 馬龍

1.一種基于RBF神經網絡和自適應搜索的人工免疫算法，其特征在于包括以下步驟：

S1)分析問題，即抗原識別，對問題特征進行分析，明確約束關系；

系統建模，構建RBF神經網絡；

S2)利用樣本數據對RBF神經網絡進行訓練，構建抗體-抗原非線性RBF神經網絡映射曲面；

S3)隨機產生一定數量的初始抗體群；

S4)利用步驟S2構建的抗體-抗原非線性RBF神經網絡映射曲面計算出抗體-抗原結構體，從中優選出N個抗體作為待評價抗體；所述優選方法為根據抗原的優劣排序，選出前N個；

S5)對步驟S4優選出的N個抗體進行評價，計算每個抗體與抗原的親和度，計算抗體濃度，計算每個抗體的期望繁殖率；

S6)形成父代群：將抗體群按期望繁殖率進行降序排列，并提取前n_A個作為記憶細胞構成種群A，將后n_B個作為待接種種群B，其中n_A＝P_cmaxN，n_B＝n_A，P_cmax是抗體與抗原之間親和度最大值；

S7)終止條件判斷，若滿足終止條件，則結束并輸出結果，即最優解；反之，則執行步驟S8；

S8)免疫操作和疫苗接種：對步驟S6中除去種群A外的抗體群進行選擇、交叉和變異操作，形成種群C，種群C中抗體數量為n_c,n_c＝N-n_A；對待接種種群B進行疫苗接種后，與種群A、種群C一起組成新的抗體種群D，再轉到步驟S4；

所述疫苗接種是采用一種自適應搜索算法實現的，以種群A中的記憶細胞為中心，在記憶細胞周圍指定范圍內隨機搜索該指定范圍內的最優抗體，并以該最優抗體替代待接種種群B中的抗體；

抗體濃度：

其中S_v，z為抗體與抗體之間親和力：

L表示抗體的維數，即參數的個數，k_v,z為抗體v和抗體z中參數數值相同的個數；

期望繁殖率：

抗體與抗原間親和力：

其中α為常數，取值區間為[0.5,0.95]，F_v為目標函數；

所述的基于RBF神經網絡和自適應搜索的人工免疫算法，用于優化確定基于CPR網絡的、采用液壓變壓器控制的新型液壓節能系統中的參數，CPR網絡即Common Pressure Rail恒壓網絡，新型液壓節能系統由CPR網絡、液壓變壓器、先導控制機構、變幅油缸和回轉馬達、高速開關閥組成，CPR網絡由高壓回路和低壓回路構成，高壓回路中的恒壓變量泵和液壓蓄能器組成混合動力源來保證高壓端壓力的相對穩定，低壓回路與油箱直接相連；伸縮油缸和變幅油缸、起升馬達和回轉馬達不經常同時工作，且伸縮油缸和變幅油缸，起升馬達和回轉馬達是類型相同的負載，即分別為直線負載和旋轉負載，采用第一液壓變壓器來控制伸縮油缸和變幅油缸，第二液壓變壓器來控制起升馬達和回轉馬達，并利用多個高速開關閥構成閥組進行切換控制，以實現同一液壓變壓器對同類型執行元件的有效控制；

液壓節能系統中的恒壓變量泵作為CPR網絡的主要供油源，在滿足系統所要求的流速前提下，能耗取決于CPR網絡的高壓端壓力P_H；液壓蓄能器容積V_acc0和液壓蓄能器預充氣壓力P_acc0是決定液壓蓄能器性能的兩個關鍵性參數，故選出符合要求的參數范圍，其中CPR網絡高壓端設定壓力的參數為7、10，單位是MPa，液壓蓄能器容積V_acc0的參數為6.3、10、16、20；單位是L；液壓蓄能器預充氣壓力P_acc0的參數為1、6，單位是MPa；

液壓系統的能耗是由恒壓變量泵和齒輪泵的能耗共同構成的，選取動力元件恒壓變量泵和為先導控制機構供油的齒輪泵輸出能量之和的最小值作為執行基于RBF神經網絡和自適應搜索的人工免疫算法的目標，具體液壓節能系統節能優化的目標函數為一個周期內的液壓系統能耗E_T：

minE_T＝E_H+E_X

E_H＝∫P_H·Q_Pdt

E_X＝∫P_X·Q_Xdt

式中：E_H為恒壓變量泵(3)輸出能量；E_X為先導控制機構供油的齒輪泵(4)輸出能量；P_H為CPR網絡高壓端壓力；Q_P為恒壓變量泵(3)輸出油液流量；P_X為先導控制機構(8)液壓系統高壓油路壓力；Q_X為齒輪泵(4)輸出油液流量；P_H、Q_P、P_X和Q_X這些參數在仿真過程中可以直接獲取；

即首先在選定的參數范圍內隨機產生一定數量的抗體群，由仿真模型計算得出的抗體-抗體解的結構體作為神經網絡的訓練樣本，以此來訓練構建抗體-抗原非線性RBF神經網絡映射曲面，然后再隨機產生初始抗體群開始算法的優化計算。