模拟电路免疫记忆网络故障诊断新方法

提出了一种基于免疫记忆网络理论与$k$近邻算法的模拟电路故障诊断方法。首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体。在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布。利用克隆和超级变异机制来保证抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类;最后,以带通滤波器为诊断实例,利用实际电路测试数据和仿真数据作为测试样本进行故障诊断性能评估;实验结果证明该故障诊断方法具有较高的故障诊断率。     

基于生物免疫原理的抽油机井故障诊断研究

基于生物免疫原理提出了一种故障诊断方法。将故障作为抗原,首先应用反面选择算法产生初始抗体,然后基于生物免疫系统的克隆、变异、克隆选择、自我调节和免疫记忆等机理对初始抗体进行进化,产生能够表示和识别抗原即故障的记忆抗体,并以抽油机井为对象进行了仿真研究,结果表明,该方法能够取得很好的诊断效果。     

基于人工免疫模式识别的故障诊断方法研究

提出了一种基于人工免疫模式识别的故障诊断方法,将故障视为抗原,基于生物免疫系统的克隆选择、超变异、免疫记忆以及多样性保持等机制生成能够表示和识别抗原的记忆抗体,然后采用基于KNN的阈值分类法对抗原即故障进行识别;以抽油机井为对象进行仿真研究,阈值取1,与输入故障距离最近的记忆抗体个数取3和5两个值进行试验,仿真结果表明算法的诊断准确率均为100%。通过对变异抗原的识别,表明该方法具有较好的泛化能力。     

一种新型免疫网络学习算法在故障诊断中的应用

针对免疫算法对旋转机械故障进行诊断时存在多样性、去冗余方面的困难,提出了一种新型免疫网络学习算法.该算法首次在抗体初始化过程引入了抗体抑制机制,定义了邻近抗体对本抗体的抑制阈.消除了冗余的抗体,增强了抗体的多样性.另外该算法定义了新的学习速率,使得抗体向抗原的方向搜索速度更快.最后将该算法运用在旋转机械故障诊断中,试验结果表明算法能有效地对5种典型故障进行分类识别.     

动态免疫优化算法及其在背包问题中的应用

利用人工免疫系统的学习、记忆、识别等功能,提出一种动态免疫优化算法(DIOA),用于解决一类高维动态约束优化问题.其中对可行抗体进行克隆突变操作,非可行抗体按价值密度使用贪婪算法进行修正,环境识别模块借助记忆细胞产生新的环境初始群,从而加快算法收敛速度.利用DIOA求解不同环境下的高维背包问题,结果表明,与同类算法相比...     

结合危险理论的故障检测免疫模型

为了实现快速准确的网络故障检测与诊断,将危险理论与动态克隆选择算法相结合,提出了用于网络故障检测的危险理论免疫模型;并针对网络故障特点,对危险理论与动态克隆选择算法进行了改进;首先采用危险理论模型对抗原进行危险信号浓度识别,并利用成熟检测器检测已知故障类型,其次用改进的动态克隆选择算法对未知故障进行有效的学习;通过对多种网络故障类型检测的仿真实验,证明了新模型不仅具有更好的检测效果和动态适应性,而且能够提高检测效率与准确率。     

动态多目标免疫优化算法及性能测试研究

基于生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能，提出一种动态多目标免疫优化算法处理动态多目标优化问题．算法设计中，依据自适应ξ邻域及抗体所处位置设计抗体的亲和力，基于Pareto控制的概念，利用分层选择确定参与进化的抗体，经由克隆扩张及自适应高斯变异，提高群体的平均亲和力，利用免疫记忆、动态维持和Average linkage聚类方法，设计环境识别规则和记忆池，借助3种不同类型的动态多目标测试问题，通过与出众的动态环境优化算法比较，数值实验表明所提出算法解决复杂动态多目标优化问题具有较大潜力．     

一种免疫记忆动态克隆策略算法

基于对克隆选择及免疫记忆动态过程的模拟,本文提出了一种人工智能算法,免疫记忆动态克隆策略算法,该算法模拟免疫系统的自我调节、记忆学习、自适应等机制,实现全局优化计算与局部优化计算机制的有机的结合,通过抗体与抗原的亲合度和抗体间亲合度的计算,促进和抑制抗体的产生,自适应地调节抗体群和记忆单元的克隆规模.理论分析证明该算法以概率1收敛,对多峰函数优化及货郎担问题的仿真试验表明,算法有效,而且具有全局搜索能力强,种群多样性好及收敛速度快等特点.     

新的免疫检测器生成算法及其收敛性分析

提出一种基于免疫学原理的免疫检测器生成算法,通过对故障信号（即有害抗原）的免疫疫苗、免疫学习和免疫应答进行故障模式识别和诊断,利用k-nearest neighbor分类法确定该模式的故障类型,该算法有较好的动态性、自适应性。把各代抗体集合作为随机序列,给出序列的收敛条件及证明,证明了所提出的算法是概率1收敛,并通过机组试验验证了由该算法产生的检测器对故障检测的有效性。     

混沌系统动态多目标免疫优化算法及其应用

生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题.算法设计中,Logistic映射产生混沌抗体群;利用抗体的被控度和抗体拥挤距离设计抗体的亲和力;借助控制概念将群体分为非控群和被控群,再分别对其施行不同方式的突变增强群体的多样性;利用免疫记忆、Averagelinkage聚类方法,设计外部集和记忆集分别保存非控个体和亲和力较高抗体,所获的记忆细胞参与相似或相同环境初始抗体群的生成;借助三种不同类型的动态多目标优化测试问题,通过与两种最新的动态多目标进化算法及一种动态多目标克隆选择算法比较,数值实验论证了所提出算法在动态跟踪Pareto面的速度和执行效果上较其它算法优越.     

无量纲免疫支持向量机的复合故障诊断方法

针对机组多故障并发时,故障特征互相干扰,产生模式混淆,难以准确分类,提出一种无量纲免疫支持向量机的复合故障诊断方法。由于五种无量纲指标对不同频段复合故障的敏感性不同,将无量纲指标和人工免疫的阴性选择算法相结合,通过选择合适的编码位数来提取故障特征,多分类支持向量机（MSVM）的参数经过免疫优化算法训练后获得最优解,把五种时域特征的无量纲指标提取的故障特征向量输入到MSVM,学习后的MSVM应用于故障诊断。实验结果表明优化后的支持向量机对小样本具有良好的分类性能和实时性,无量纲免疫MSVM与MSVM模型相比能够更加快速、准确进行复合故障诊断。     

基于免疫文化算法的故障特征选择方法

提出了一种新的文化算法,基于免疫克隆选择原理改进了文化算法的种群空间,同时设计了一种新的历史知识及其影响函数。为了去除工业中故障诊断过程中的冗余变量,实现数据降维,提高故障诊断性能,将该免疫文化算法应用到故障特征选择当中,提出了一种封装式的特征选择方法。该方法利用抗体种群进行全局搜索,通过文化算法的信念空间保留历代最优个体,并对UCI数据集的高维数据进行特征子集选择。将该方法应用到TE过程故障诊断中,结果表明,相比于直接使用高维数据进行故障诊断,该算法有效降低了特征空间的维数,提高了分类精度。     

Clonal Strategy Algorithm Based on the Immune Memory

Based on the clonal selection theory and immune memory mechanism in the natural immune system, a novel artificial immune system algorithm, Clonal Strategy Algorithm based on the Immune Memory (CSAIM), is proposed in this paper. The algorithm realizes the evolution of antibody population and the evolution of memory unit at the same time, and by using clonal selection operator, the global optimal computation can be combined with the local searching. According to antibody-antibody (Ab-Ab) affinity and antibody-antigen (Ab-Ag) affinity, the algorithm can allot adaptively the scales of memory unit and antibody population. It is proved theoretically that CSAIM is convergent with probability 1. And with the computer simulations of eight benchmark functions and one instance of traveling salesman problem (TSP), it is shown that CSAIM has strong abilities in having high convergence speed, enhancing the diversity of the population and avoiding the premature convergence to some extent.     

基于改进的免疫克隆支持向量机网页分类研究

网页分类是为了解决网络信息过载问题而延伸的一个热门研究领域,同时支持向量机以其出色的学习能力,在解决高维问题时表现出了特定的优势。本文在研究支持向量机和标准的免疫克隆优化算法的基础上,提出了一种改进的免疫克隆和支持向量机相结合的分类算法。标准算法中由于通过对抗体编码中某些位进行随机取反来实现抗体变异,造成搜索能力不强。该方法针对上述不足,将记忆单元和普通单元区分开来,对记忆单元定义自适应概率,从而加强在当前最优解邻域内的搜索能力,加快寻求全局最优解的速度。实验结果表明,该改进算法较其他算法具有更好的参数选择效果和更高的选择效率,是一种具有较高准确率和效率的网页分类方法。     

基于人工免疫系统的旋转机械故障诊断技术研究

将人工免疫系统中的阴性选择算法应用于旋转机械故障诊断,构建了一个完整的故障诊断流程。在对设备振动信号的各种模式空间进行二进制编码的基础上,将阴性选择算法与无量纲指标相结合,训练产生多种无量纲免疫检测器进行集成诊断。最后通过对一组实验数据的处理描述了免疫检测器的构建过程。     

基于邻域粗糙集自适应调整剪枝门限的免疫网络故障诊断算法

通过在形态空间中建立抗体和抗原的邻域关系,阐述了抗体与抗原的匹配过程,论述了基于免疫网络模型(aiNet)的故障诊断算法中剪枝门限与故障诊断漏诊概率和误诊概率的关系.文中引入粗糙集理论,定义了基于抗体邻域的故障模式边界和故障模式包含关系,给出了自适应调整剪枝门限的观测指标和具体算法.仿真结果表明,本文所提出的故障诊断算法具有优良性能,提高了故障诊断正确率和新故障识别率.     

An immune memory clonal algorithm for numerical and combinatorial optimization

Inspired by the clonal selection theory together with the immune network model, we present a new artificial immune algorithm named the immune memory clonal algorithm (IMCA). The clonal operator, inspired by the immune system, is discussed first. The IMCA includes two versions based on different immune memory mechanisms; they are the adaptive immune memory clonal algorithm (AIMCA) and the immune memory clonal strategy (IMCS). In the AIMCA, the mutation rate and memory unit size of each antibody is adjusted dynamically. The IMCS realizes the evolution of both the antibody population and the memory unit at the same time. By using the clonal selection operator, global searching is effectively combined with local searching. According to the antibody-antibody (Ab-Ab) affinity and the antibody-antigen (Ab-Ag) affinity, The IMCA can adaptively allocate the scale of the memory units and the antibody population. In the experiments, 18 multimodal functions ranging in dimensionality from two, to one thousand and combinatorial optimization problems such as the traveling salesman and knapsack problems (KPs) are used to validate the performance of the IMCA. The computational cost per iteration is presented. Experimental results show that the IMCA has a high convergence speed and a strong ability in enhancing the diversity of the population and avoiding premature convergence to some degree. Theoretical roof is provided that the IMCA is convergent with probability 1.     

基于记忆双导向变异的故障检测器生成方法

人工免疫算法中的阴性选择算法已经成功应用于故障诊断领域。为了生成更加优良的故障检测器,提高算法性能,本文在传统阴性选择算法的基础上,提出了一种基于免疫记忆双导向变异的故障检测器生成方法。该算法定义了一个免疫记忆集合,把与自体集合或成熟检测器集合发生匹配的检测器放入到免疫记忆集合里,并对这一检测器进行双导向变异,以减少资源浪费和冗余的发生。本文数据采用实属编码形式。仿真结果表明,新算法在故障检测性能方面优于传统算法,具有较高的故障诊断率,算法平均运行时间明显缩短。本文为故障诊断方法的研究拓宽了道路,具有一定的理论和现实意义。