.202 北京科技大学学报 2007年增刊2 输出响应曲线如图6所示，仿真结果表明AICB一 响应过快，最终导致系统不稳定，这与生物免疫系统 IVINM也有较好的抗负载干扰的能力 相一致，当T细胞过多时可能导致过免疫现象，如 1.5 过敏而引起身体不适， 1.0 15 Varela免疫控制器参数 P-1,P-1.001 0-0.1,k-1 —K0.5 50010001500200025003000 -Km=29.5 s 一K.=58.5 图6大滞后对象存在负载扰动的仿真 50 100 150 200 tis 4.3控制器的参数特性 当AICB-VINM参数发生变化时，SISO系统 图8参数Km变化对系统的响应 的特性就会发生变化，研究参数变化对系统特性影 2.0 响的规律，对控制系统的设计与综合是很重要的. Varela免疫控制器参数 p=-l,P1.001 以下对AICB-IVINM参数特性的仿真研究中，仍 Kn=1.k=1 以式(13)为研究对象，但是令对象模型中的=0， 免疫放大系数T。0.03 并取kr=0.0001,p1=-1,p2=-1.001. 0.5 免疫放大系数T。0.05 ----免疫放大系数T=0.23 (1)免疫放大系数k的作用. 0 免疫放大系数T。0.43 一免疫放大系数T。0.75 取T(0)=0.1.取免疫放大系数k=0.3,0.6, 0.5 50 100 150 200 1.2,3.1,4.1.图7显示的控制系统仿真结果表明： tis 免疫放大系数k对控制系统的影响类似于传统PID 图9T。对控制系统的影响 中的放大系数对系统的影响 2.0 (4)T细胞死亡率k的作用 Varela免疫控制器参数 AICB IVINM参数和仿真结果见图1O.可见 1.5 Pl,P1.001 Km=1,0=0.1 k红对控制系统也有较大的影响，研究表明，一般T 免疫放大系数k=4】 ∈[0,0.02)，过大的kT会导致T变量的快速衰减 0.5 免疫放大系数k-3.1 免疫放大系数k=12 kT的取值范围往往较窄， 免疫放大系数k-0.6 免疫放大系数k0.3 2.0 050 Varela免疫控制器参数 50 100 150 200 t/s R2.1 图7k变化对系统的响应 -免疫放大系数K=0.66 .5 免疫放大系数K0.38 免疫放大系数K=0.18 (2)成熟函数参数Km、p1、p2的作用. 免疫放大系数K。0.10 免疫放大系数Km0.02 图8给出了成熟函数参数Km变化时系统的响 0.50 50 100 150 200 应仿真曲线，由仿真曲线可见Km对系统的影响较 tis 小.仿真研究表明Km在0.5左右时效果较好，p1、 p2对系统的影响主要表现在p1、P2的差值上，这一 图10k灯对控制系统的影响 点由图2所示的钟形图形可知，当p1、p2差值大 5 结论 时，“钟”相对扁宽些，而p1、p2差值小时，“钟”较高 窄些.仿真研究表明p1、p2的差值取0.1~0.001 (l)Varela免疫网络模型描述的是没有外来抗 较好 原作用时的T、B细胞因子的动态平衡关系，本文 (3)免疫初始条件T0的作用 在此基础上建立了一种考虑抗原的IVINM.基于 免疫初始条件分别为T0=0.75,0.43,0.23, 这种IVINM的简化得到了Varela免疫网络控制 0.05,0.03时的系统仿真曲线和控制曲线如图9所 器.并给出了AICB一VINM的结构 示.可见系统对T0是较为敏感的，T0大则系统会 (2)发现AICB-IVIN具有一定的记忆和自学输出响应曲线如图6所示‚仿真结果表明 AICB— IVINM 也有较好的抗负载干扰的能力． 图6 大滞后对象存在负载扰动的仿真 4∙3 控制器的参数特性 当 AICB—IVINM 参数发生变化时‚SISO 系统 的特性就会发生变化．研究参数变化对系统特性影 响的规律‚对控制系统的设计与综合是很重要的． 以下对 AICB—IVINM 参数特性的仿真研究中‚仍 以式（13）为研究对象‚但是令对象模型中的 τ＝0‚ 并取 kT＝0∙0001‚p1＝—1‚p2＝—1∙001． （1） 免疫放大系数 k 的作用． 取 T（0）＝0∙1．取免疫放大系数 k＝0∙3‚0∙6‚ 1∙2‚3∙1‚4∙1．图7显示的控制系统仿真结果表明： 免疫放大系数 k 对控制系统的影响类似于传统 PID 中的放大系数对系统的影响． 图7 k 变化对系统的响应 （2） 成熟函数参数 Km、p1、p2 的作用． 图8给出了成熟函数参数 Km 变化时系统的响 应仿真曲线‚由仿真曲线可见 Km 对系统的影响较 小．仿真研究表明 Km 在0∙5左右时效果较好．p1、 p2 对系统的影响主要表现在 p1、p2 的差值上‚这一 点由图2所示的钟形图形可知‚当 p1、p2 差值大 时‚“钟”相对扁宽些‚而 p1、p2 差值小时‚“钟”较高 窄些．仿真研究表明 p1、p2 的差值取0∙1～0∙001 较好． （3） 免疫初始条件 T0 的作用． 免疫初始条件分别为 T0＝0∙75‚0∙43‚0∙23‚ 0∙05‚0∙03时的系统仿真曲线和控制曲线如图9所 示．可见系统对 T0 是较为敏感的‚T0 大则系统会 响应过快‚最终导致系统不稳定‚这与生物免疫系统 相一致．当 T 细胞过多时可能导致过免疫现象‚如 过敏而引起身体不适． 图8 参数 Km 变化对系统的响应 图9 T0 对控制系统的影响 （4） T 细胞死亡率 kT 的作用． AICB—IVINM 参数和仿真结果见图10．可见 kT 对控制系统也有较大的影响．研究表明‚一般 kT ∈［0‚0∙02）‚过大的 kT 会导致 T 变量的快速衰减． kT 的取值范围往往较窄． 图10 kT 对控制系统的影响 5 结论 （1） Varela 免疫网络模型描述的是没有外来抗 原作用时的 T、B 细胞因子的动态平衡关系．本文 在此基础上建立了一种考虑抗原的 IVINM．基于 这种 IVINM 的简化得到了 Varela 免疫网络控制 器．并给出了 AICB—IVINM 的结构． （2） 发现 AICB—IVIN 具有一定的记忆和自学 ·202· 北 京 科 技 大 学 学 报 2007年 增刊2