今日頭條
官方微信
官方抖音
案例頻道
摘要：提出了一種免疫遺傳算法優化的模糊控制器，利用免疫遺傳算法的全局搜索功能和神經元的自學習能力，提高了模糊控制器的控制精度和抗干擾能力。將該控制器用于全階精餾塔模型仿真，仿真結果表明該控制器可以有效地消除靜態誤差，并在控制的過渡過程也有很好的魯棒性，實際應用效果也表明了該方法的優越性。
關鍵詞：免疫遺傳算法；模糊；精餾塔
中圖分類號：TP273
Abstract: A fuzzy controller optimized by immune genetic algorithm (IGA). By utilizing the global search ability of immune genetic algorithm(IGA) and self-learning ability of neuron controller, the new approach increases the control accuracy of fuzzy controller and improves its ability of anti-interference. The simulation result, which was obtained by applying the method to full order rectification column model, shows static error was effectively reduced and the robustness of the new approach in controlling shock in the process was satisfactory. Also, the advantages of this new approach are shown in practical applications.
Keywords: Immune genetic algorithm; Fuzzy; Rectification Column
1 引 言
精餾是煉油、化工生產中應用最為廣泛的傳質傳熱過程。精餾塔不僅模型難以建立而且控制方案復雜。許多學者在精餾塔的模型建立和控制仿真上做了大量的研究并取得了良好的效果。本文設計了一種免疫遺傳算法優化的模糊控制器對基于奇異攝動法降階的精餾塔模型進行控制仿真研究。結果表明，這種控制器的控制效果在控制精度和過渡過程的效果上都表現出良好的效果。
2 控制算法
精餾塔最直接的質量指標是產品純度。過去由于檢測上的困難，難以直接按產品的純度進行控制。現在隨著分析儀表的發展，特別是工業色譜儀的在線應用，已逐漸出現直接按產品純度來控制的控制方案。
直接按產品純度的控制方案的好處在于：直接可以控制產品的質量。但是這種控制的難點在于被控變量的可調范圍小(只能在０～１區間變化)。根據這種現實情況，本文設計了一種免疫微粒群算法調節增益的模糊控制器。其具體的算法如下：
圖1 模糊－神經元結構
使用公式法的模糊推理方法：
(1)
式中，
分別是系統偏差
和偏差變化量
的模糊量；
是模糊規則的調整因子，通過調整可以修改規則。U是系統的模糊輸出。公式法模糊控制算法如下：
模糊法：
(2)
模糊推理：
(3)
反模糊化：
(4)
式中，Ke、Kec分別是模糊控制系統輸入和的模糊化比例因子，其取值可以根據精確量的范圍和劃分區域來確定。<x>表示一個與x同號，絕對值四舍五入的整數。U是系統的模糊輸出。模糊規則的調節因子
。Ku是解模糊因子，
是模糊控制器的輸出，將它作為神經元增益的變化量。即：
(5)
神經網絡算法：
圖2 帶有非線性激勵函數的單神經元
權函數的選取：
在大多數的情況下，權函數的優化是由反復試驗和修正來選定的。這就是神經網絡應用的限制所在，在權函數的優化研究上有大量的工作，Yamada和Yabuta基于最速下降法提出了一種自整定方法，并且用仿真試驗論證了這種方法的特點和實用性。
權函數定義為：
(6)
其中x是神經網絡輸出，是可以定義動態函數的形狀。
(7)
當設定值r(t)突然變小（大）時，由于誤差和誤差變化量的變化使得
也相應突然變小（大），會使控制器的輸出有可能產生超調或反調，本文在增益自整定算法中引入
項，它的變化方向和設定值的變化方向相反，通過適當地將K(t)值提高（降低），達到有效地抑制超調或反調量。則有：
(8)
式中，K1為一常數，K0為增益的初始值。
免疫遺傳算法（IGA）：
人工免疫系統是從自然免疫系統中抽象出來的，是目前在人工智能領域研究的熱點問題之一[86]。免疫系統具有辨識能力，能夠排除外來的抗原和胚細胞等異物。同時免疫系統還具有類似模式識別中記憶能力和學習能力。在免疫系統中，有一種反饋機制能同時執行兩項不同的工作；一是外部物質的出現應答，二是快速穩定免疫系統。根據免疫系統的反饋機制，可以抽取如下的免疫反饋規律。生物免疫系統抗體多樣性的遺傳機理和細胞選擇機理對于改進和提高遺傳算法的能力具有重要的啟迪作用[1] : 抗體的多樣性對于提高遺傳算法（IGA）的全局搜索能力同時保證不陷于局部最優解，同時自我調節機構可提高遺傳算法（IGA）的局部搜索能力，并且免疫記憶功能可以加快搜索速度,提高遺傳算法的總體搜索能力[2] 。具體的說就是用兩個免疫操作來優化遺傳算法：①抵抗②免疫選擇[3]。
抵抗：假設個體x，抗體操作的意思是基于先前的信息在某些位上修改基因來最大可能的獲得高的適應度。假設一個群體為
，在C上的抗體操作即是
個體是從先前知識按比例選擇從來的。這個操作的數量和有效性在IGA中有著重要的角色。
免疫選擇：先是檢查抗生物，如果比父輩的適應度小，則表示在交叉變異時出現了嚴重的基因損壞，這樣就將父輩來進行下一次競爭。然后是退火選擇[4]：從先前的后代中選擇個體時引入概率：
其中：
是個體
的適應度，
是溫度控制序列趨于０。
IGA算法步驟：
① 創建初始群體A1；
② 判斷是否符合條件，符合則停止；
③ 對當前群體執行交叉、變異操作得到下一代；
④ 執行抗體、免疫操作，跳轉到②。
在本文中使用免疫遺傳算法來優化模糊神經網絡和控制器的增益，如果將模糊神經控制器的增益固定為一個常數，那么隨著工況的變化，控制效果就會變差，所以本文使用免疫遺傳算法來優化控制器增益。系統控制結構圖如下：
圖3 整體控制方案
圖4 精餾塔結構
3 精餾塔簡介
一個簡單的精餾塔由塔板段、冷凝器和再沸器組成，圖4-1是一個簡單精餾塔原理圖。精餾塔內有上下流動的物流，蒸汽在塔頂冷凝器中冷凝得到餾出液，部分作為回流液流回塔里，逐板下流，使各塔板保持一定的液位。
假設在塔的中部某個塔板進料，則進料塔板以下至塔底稱為提餾段，進料塔板以上至塔頂稱為精餾段。在塔的精餾段，料液中的蒸汽和提餾段來的汽相一起與塔頂回流液發生逆液接觸和傳質，液相中的易揮發組分向汽相傳遞，而汽相中的難揮發組分向液相傳遞。結果是，隨著汽相的上升，其易揮發組分的含量越來越高，只要兩相在塔內得到充分地接觸和傳質，塔頂就可得到相當純凈的易揮發物；而液相在下降的過程中，難揮發組分含量越來越高，塔底就得到純凈的難揮發物，從而達到分離的目的。
如果不考慮側線抽出，則全塔有三個進出流量，分別是進料流量F，塔頂餾出量和塔底餾出量B。另外還有兩個內部流量，分別是塔頂回流量L和塔底再沸器產生的蒸汽量V。假設混合物是一種二元物系，即只有兩種揮發度不同的物質，我們以輕組分的含量來表示液體和氣體的濃度。圖4-1中幾個流量和組分符號的含義是
L∶ 塔頂回流量；
V∶ 再沸器產生的蒸汽量；
XD∶塔頂餾出液輕組分含量；
XB∶塔底餾出液輕組分含量；
F∶ 進料流量；
ZF∶進料中輕組分含量；
qF∶進料中液體含量。
其中L、V是操作變量(即控制變量)，被控變量是XD和XB，而F，ZF和qF是干擾變量。精餾塔控制的目的就是通過控制L、V這兩個流量，在有F，ZF和qF干擾的情況下使XD和XB具有要求的調節和跟蹤特性。
4 精餾塔模型
假設精餾塔具有n層理論塔板，塔板號從下往上數，即塔底再沸器是第1層塔板，塔頂冷凝器是第n層塔板，第nf層塔板進料。二元物系的相對揮發度是
。一個精餾塔實例的參數值見表1。
由恒相對揮發度假設，汽液平衡方程為
(9)
因為忽略氣體滯留量，所以每層塔板的氣體流量相同，都等于再沸器的氣體流出量。
(10)
表1. 精餾塔特性數據
穩態時，每層塔板的滯液量都是0.5kmol。其他穩態數據如下表。
表2. 精餾塔穩態數據
圖5是精餾塔普通塔板、進料塔板、冷凝器和再沸器的原理圖。由前面的模型假設，根據物料平衡，可以對塔板、冷凝器和再沸器列寫動態方程。
圖5 普通塔板、進料塔板、冷凝器和再沸器原理圖
由精餾塔模型的假設，可得到如下的動態數學模型。
塔底再沸器∶
(11)
提餾段塔板∶
(12)
進料塔板∶
(13)
精餾段塔板∶
(14)
全冷凝器∶
(15)
觀察模型方程可以發現，精餾塔模型具有三對角結構，即一個塔板的狀態只與相臨塔板的狀態直接關聯。
5 仿真研究及結論
對模型進行仿真可以得到：
圖6 模型仿真圖
由圖可以看出精餾塔是一個非常緩慢的自衡系統，產生一個20個染色體的種群，W1,W2,b分別使用范圍[-1,1]，使用范圍[0,4]來輸入到優化的IGA-NN中。使用文中控制器進行仿真得到：
圖7 控制塔頂組分圖
6 參考文獻
[1] ZHOU Wei liang , HE Kun , CAO Xian bin, et al. Immune genetic algorithm for designing BP network[J]. Journal of Anhui University: Natural Science, 1999, 23 (1): 63-66.
[2] YANG Feng Shan, LI Ying Hong, LI Zheng Xi. Research on hybrid PID design and immolation[J]. Journal of North China University of Technology, 2003, 15 (3): 64-66.
[3] Licheng Jiao, Lei Wang. A Novel Genetic Algorithm Based on Immunity. IEEE Transactions on Systems, Man, and Cybernetics-part A: systems and humans. 2000, vol.30: 552-553
[4] J.S.Zhang, Z.B.Xu, and Y.Liang. The whole annealing genetic algorithms and their sufficient and necessary conditions of convergence[J]. Science in china. 1997, vol.27, no.2: 154-164
郭小青 (1)江西省吉安市第二中學343000；
晏瓊 (2)江西省吉安市吉州區長塘中學343000；
晏琦 (3)艾默生過程控制有限公司
北京市公安局海淀分局備案號：11010802023656號