類生物化制造系統自適應免疫監控關鍵技術研究

唐敦兵 鄭 堃 顧文斌 湯定山

南京航天航空大學，南京，210016

類生物化制造系統自適應免疫監控關鍵技術研究

唐敦兵 鄭 堃 顧文斌 湯定山

南京航天航空大學，南京，210016

利用生物免疫機制及人工免疫系統的相關算法，結合類生物化制造系統模型，建立了一套制造系統免疫監控系統，并運用層次分析模型給出了該免疫監控系統健康評估的策略。對模擬實驗的結果進行了分析，結果表明，所設計的免疫監控系統對制造系統的內外環境干擾具有良好的自適應性，對系統的健康狀態評估也與系統的實際狀況相符，從而證明了該免疫監控系統的有效性。

自適應性免疫監控系統；免疫監控單元；類生物化制造系統；抗原識別

0 引言

先進的現代制造系統是多個學科領域復合交叉的產物，具有控制功能完善、組織結構復雜、自動化程度高等特點，但同時其發生故障的潛在可能性和方式也在不斷增加，傳統意義上的故障診斷是在故障發生后查明原因并進行補救，但這已遠不能滿足現代制造系統的需要了。目前的故障診斷方法大致可以分為三類［1］：一類是基于過程模型的方法，這種方法在理論上比較成熟，但是需要建立可靠的過程數學模型，而實際過程通常比較復雜，準確的模型不易獲得。當模型不準確時，這種方法的魯棒性會比較差。第二類是基于信號處理的方法，這種方法不需要過程的數學模型，直接對系統的輸入輸出數據進行濾波，通過分析濾波后數據的特征來進行故障診斷和預報工作。這種方法需要對故障信號作一定的假設，而且計算量比較大，實現實時在線故障檢測和預報有一定的困難。第三類就是基于人工智能技術的方法，這種方法不需要準確的數學模型，它具有自學習的功能，同時又能有效地把專家知識融入到故障診斷中去，是當前工業生產過程故障診斷和事故預測方法研究的熱點，也是今后故障診斷技術的發展趨勢［2］。

生物體在遭到外來危害入侵或自身系統出現問題時，自身的免疫系統會自動進行防御和修復，以保證生物體的健康［3］。而制造系統所需要的也正是這樣具有自愈能力且及時準確的故障診斷和防御系統，使系統能夠動態地監測和識別其外部和內部各因素的影響，在對制造系統的工作狀態進行評估的同時，可以基于預兆對系統的故障進行檢測診斷。生物免疫系統在缺乏先驗知識的情況下，能夠準確識別和記憶各種非己物質，在自主學習過程中不斷提高免疫功能，對機體進行在線自主故障監控和診斷［4－5］。如何有效模擬生物免疫系統的在線自主故障診斷機理，研究適于制造系統的在線自主故障診斷的人工免疫系統模型及算法，是故障診斷研究領域的新方向［6］。本文分析了生物免疫的機制及特點，建立了一種具有“生命特征”的制造系統免疫防御系統，實現了制造系統的在線故障監測和診斷，對提高制造系統的穩定性、可靠性和安全性具有重要的意義。

1 復雜制造系統自適應免疫監控模型

1.1 單元免疫監控模型

根據免疫系統的機理，結合類生物制造系統［7］中有機制造單元的組成和結構，本文提出了如圖1所示的有機制造單元免疫監控模型。在此模型中，免疫監控單元的功能模塊被分為外周免疫器官，免疫細胞識別、增殖和分化，抗體的執行三部分。

圖1 有機制造單元的免疫監控模型

有機制造單元中，與外周免疫器官相對應的是單元感知器。與外周免疫器官類似，有機制造單元的感知器不僅要完成對單元內外部環境信息的動態獲取，在得到所需的環境實時信息后，還應該能夠按照免疫識別模塊的要求，將單元的抗原信息進行增強，使這些信息更具有抗原性，從而方便免疫細胞對抗原的識別和應答。單元感知器所獲取的抗原信息不僅包括單元內部和外部的環境信息，更主要的是還包括單元自身的狀態信息。因此，執行器在執行動作的過程中應及時將動作信息反饋給感知器，使有機制造單元和免疫監控單元形成一個閉合的控制回路。

有機制造單元中與免疫細胞識別、增殖和分化功能模塊相對應的是單元決策器。單元決策器通過抗原對免疫細胞的刺激激發免疫應答，感知器將獲取的單元內外部環境信息及單元自身的狀態信息傳遞給決策器，決策器會自主完成信息的識別、學習和記憶，并根據信息的內容制定相應的措施，最后通知執行器執行。當某個有機制造單元需要和其他有機制造單元進行協調控制時，決策器還應該能自主完成單元間的信息交流，如圖1所示。同樣，在免疫監控系統中，免疫監控單元之間也是需要信息交互的，在一個單元遇到一種新的抗原信息時，它可以率先完成對此類抗原的識別、學習和記憶，并分泌合適的抗體消滅抗原，最后，此監控單元還應將這類已知的抗原信息和與之對應的抗體信息通報給其他監控單元，其他監控單元在遇到此類抗原時，就可以直接引用相應抗體，而無需再進行識別、學習和記憶。單元決策器是有機制造單元的控制主體，同時也是免疫監控單元的控制主體，這樣在有機制造單元完成任務的過程中，免疫監控單元可以更方便有效地進行信息獲取和實時控制。

與抗體的執行模塊對應的有機制造單元組成部分是執行器。免疫監控單元所分泌的抗體其實質就是決策器根據對抗原信息的獲取、學習和記憶，得出的一系列的對抗原的控制措施。有機制造單元的抗體必須通過單元的執行器才能實現效能，執行器通過執行抗體動作，改變制造單元的內外部環境或單元自身的狀態，從而消除內外部環境抗原或單元自身抗原的侵害。

該模型可在有機制造單元內部形成一個閉合的控制回路，同時它還可以與其他免疫監控單元進行通信和交流，形成一個整體的免疫監控系統。

1.2 類生物化制造系統的自適應免疫監控模型

由類生物化制造系統總體框架模型可知，各有機制造單元是通過遞歸控制的結構構成類生物化制造系統的，同時各免疫監控單元也共同構成了一個免疫監控系統。從系統的角度分析，每個有機制造單元均有自己的免疫監控單元，多個免疫監控單元可構成一個免疫細胞系，其結構如圖2所示。各免疫細胞在完成自身抗原信息獲取和識別的同時，均可和其他免疫細胞通過免疫因子的信息傳遞及免疫細胞間的刺激和抑制作用進行交流，從而構成免疫細胞系，免疫細胞系同樣也可與其他免疫監控單元進行協調控制，它們共同構成一個自主免疫與協調免疫相平衡的整體，完成免疫監控系統的總體功能。

由制造系統的免疫監控系統模型可知，免疫監控系統的控制結構和制造系統的控制結構是相互交叉的，它們很好地融合在一起。免疫監控系統可方便地對制造系統的當前運行狀況及系統內外環境信息進行獲取，通過一定方式實時地顯示給管理人員，并可通過一定措施自主地調節制造系統自身行為，以適應系統內外環境的變化，或消除系統自身出現的問題。

圖2 免疫監控系統控制模型

本文所提出的監控系統可通過一定機制實時顯示各有機制造單元的狀態健康值，以及系統總體狀態的健康值，通過隱性選擇算法實現系統故障的檢測和識別，并做出適當的響應以適應系統發生的變化。

2 類生物化制造系統健康狀態的免疫監控

類生物化制造系統是一個具有自適應性動態調度能力的制造系統，其復雜程度不言而喻，在對其進行健康評估時所需考慮的因素自然也有很多，其中很多因素具有很強的不確定性，這就形成了一個由眾多相互關聯、相互制約的因素構成的復雜而又缺少定量數據的系統，而層次分析法［8］（AHP）的應用可在很大程度上簡化此復雜系統的分析過程。

2.1 免疫監控系統的遞階層次結構

本文是在類生物化制造系統的遞歸控制結構模型上建立免疫監控系統模型的，因此，免疫監控系統的控制結構也采用了遞歸控制的結構形式，在免疫監控單元完成自身的狀態信息獲取和處理的同時還要將信息反饋給主控單元，并接受主控單元的協調控制。每個免疫監控單元都是系統的組成部分，可看成為影響系統總體健康狀態的因素，而每個免疫監控單元的健康狀態又受到各單元所監控的狀態因素的影響。因此，可以根據它們的層次關系重新建立系統結構，如圖3所示。

在圖3中，系統被分成了4個層次，分別為主控層、CAN總線通信層、免疫監控單元層和狀態信息獲取層。免疫監控單元的標識符也是與免疫監控系統模型中各單元的標識符相對應的，其中，Mn表示第n個負責加工的單元，Mni表示單元Mn要獲取的第i個狀態變量。

由此免疫監控系統層次結構圖可以得到AHP中所需的遞階層次結構，如圖4所示。

圖3 免疫監控系統層次結構圖

圖4 免疫監控系統遞階層次結構

該遞階層次結構共分為3層：第一層為目標層，免疫監控系統的總體健康狀況受到各免疫監控單元健康狀態的影響；中間層為準則層，包括各免疫監控單元，它們的健康狀態受到它們所監測的各狀態因素的影響；最底層為免疫監控單元各狀態信息獲取層，這些狀態因素共同決定了免疫監控單元的健康狀態值。在得到圖4所示的系統遞階層次結構后，即可通過計算得到系統的各狀態因素對系統總的健康值的影響，并進一步得到各有機制造單元和系統總體健康值的計算方法。

2.2 抗原信息識別

系統獲得的各單元狀態抗原的取值范圍為（0，0，0，0，0）到（1，1，1，1，1），這是一個5位的二進制串向量，各單元健康值的范圍為0到100。在制造系統某單元加工產品的過程中，單元可能處于正常狀態，即所檢測的各狀態信息均為0，同時也可能處于不健康狀態，即某個狀態變量或多個狀態變量同時為1。故免疫監控單元可能出現的狀態抗原信息為（1，1，0，0，0）、（1，0，1，0，0）、（1，0，0，1，0）、（1，0，0，0，1）及它們的并集，在單元空閑，即第一個狀態變量為0時，其他各狀態變量的檢測就暫時失去了意義。因此，可以建立各免疫監控單元的標準抗原庫，如表1所示。

表1 標準抗原庫

2.3 免疫應答

針對免疫監控單元出現的標準抗原，給出相應的應答措施，在本模型中，主要是將單元的休整時間以及信息素試驗［9］中的獎勵值和懲罰值與之對應，形成標準抗體庫，如表2所示。信息素試驗是與類生物化制造系統的協調機制研究相結合的，它旨在通過調節各單元信息素值的大小來協調各單元的健康狀態與加工任務間的平衡，使健康狀態好的單元多得到一些加工任務，而健康狀態差的單元少得到一些加工任務。在狀態抗原為表2中抗原序列的并集時，相應的抗體即為表2中抗體的并集。表2中的休整時間是在免疫監控單元的狀態被識別為此單元不再適宜繼續加工時，用來設定單元的停機休整時間。

表2 標準抗體庫

人工免疫系統的否定選擇算法：①定義獲取的各單元的狀態抗原向量為Sn；②將標準抗原庫定義為檢測器集合Rn；③通過連續地將Sn與Rn中的檢測器進行比較來監測Sn的變化，如果與檢測器發生匹配，即與標準抗原庫中抗原發生匹配，則說明系統狀態發生變化，且該狀態為不正常狀態；④在對抗原信息進行識別后，即可調用相應的抗體對系統進行調節，產生免疫應答。

在系統某單元進行休整或排除干擾的過程中，此單元的加工任務需要重新進行調度分配，單元狀態正常后，再將該加工任務返還給此單元進行加工。主要運行過程為：對所有單元的狀態信息進行實時監控，當發現某單元的加工區域出現干擾或此單元的健康值低于某一閾值時，則暫停在此單元加工零件，并將此單元上的后續加工任務轉移到它所對應的同類單元上去。當該單元的加工區干擾消除或此單元的健康值大于固定的閾值時，則將應該在此單元上加工并且還未完成的加工任務返還給此單元，進行后續任務的加工。

2.4 免疫監控系統健康狀態評估

2.4.1 各狀態變量的兩兩判斷比較矩陣

首先，需獲取各狀態因素：機床空閑狀況Mn1、機床溫升狀況Mn2、主軸振動狀況Mn3、刀具磨損狀況Mn4以及加工安全區干擾狀況Mn5。然后，將各種狀態因素對免疫監控單元Mn的健康值影響的重要性進行兩兩比較，根據它們對免疫監控單元Mn影響的相對重要性來進行標度，即可得到兩兩比較判斷矩陣M（n）。

2.4.2 各狀態變量對單元健康值的影響權重

得到各免疫監控單元的判斷矩陣后，首先計算出判斷矩陣的一致性比例CR，判斷該矩陣的一致性是否可以接受，若可以接受，則由此判斷矩陣計算得到的狀態變量相對權重，可以作為實際應用的依據。然后，將判斷矩陣M（n）的最大特征根特征向量進行歸一化處理，可得免疫監控單元各狀態變量對單元健康值影響的權向量w＊。

2.4.3 免疫監控單元對系統健康值的影響權重

在工件的加工過程中，車工序和銑工序的重要性是一樣的，而加工中心對工件的加工能力則比它們都要強，加工方式更全面，因此，本模型中設加工中心單元相對于另兩類制造單元的重要性數值為3，另兩類制造單元的相對重要性為1。通過以上分析，可以構造制造系統總體健康值準則下的各單元相對權重兩兩比較判斷矩陣M，進而求得各免疫監控單元相對系統總體健康值的影響權重w。

2.4.4 免疫監控系統總健康值

（1）有機制造單元健康值。在本模型中，對免疫監控單元所采集的狀態變量類型做出設定，除機床溫升是模擬量外，其他的狀態信息均可用布爾量來表示，即1表示該狀態發生，0表示該狀態未發生。機床溫升可通過設定一個閾值，將其轉換為布爾量，設定一個溫升閾值Tn，當機床的溫升T＞Tn時，則該狀態變量Mn2＝1，否則Mn2＝0。

通過以上的設定，可得免疫監控單元Mn的狀態信息向量：Mn＝ （Mn1，Mn2，Mn3，Mn4，Mn5），且向量中各變量均為布爾量。各狀態變量對免疫監控單元健康值的影響權向量為w＊＝（Pni）1×5，要得到免疫監控單元的健康值，只需將這兩個向量相乘，用Hi表示第i個免疫監控單元的健康值，可得

通過求取免疫監控單元的健康值可方便獲知單元所處狀況，從而判斷單元能否繼續進行加工。在單元即將發生故障時，還可以通過它進行預測，例如：設免疫監控單元n某時刻所監控的狀態信息向量為（1，0，1，1，0），可求得此時的免疫監控單元的健康值Hi＝0.53643。此健康值很低，說明單元的狀態很不理想，雖然能夠繼續加工，但監控單元已處于或將要處于故障狀態，產品的加工質量會比較差。

（2）系統的總體健康值。在本文中，仿真平臺上共有6個具有加工性質的免疫監控單元，它們對系統總體健康值的影響權重在前面已經求出，得到各免疫監控單元的健康值后，即可通過它們的權重計算出系統總體健康值的大小。各免疫監控 單 元 的 健 康 值 向 量 為 （H1，H2，H3，H4，H5，H6），又已求得各單元對系統健康值影響權向量w＝（Pn）1×6，將這兩個向量相乘即可得到系統的總體健康值H：

通過觀測系統總體的健康值，我們可進一步從整體的角度了解制造系統的加工性能，對系統的加工任務進行合理的調度，實時監測系統的狀態并對系統的故障做出預測，使系統能夠高效、高質量的完成加工任務。

3 試驗及仿真

3.1 仿真平臺的搭建

本文利用道路線識別技術、CAN總線技術、無線通信技術和嵌入式控制技術等先進技術，搭建了一個類生物化制造系統仿真平臺，如圖5所示，其中的加工單元相當于生物體中的細胞體（腺體），具有自治性，由其自身的控制單元控制；主控制器（ARM）相當于神經中樞；CAN總線相當于體液，制造單元之間通信的協調規則與協調協議模擬“神經－體液”調節機制。

圖5 類生物化制造系統仿真平臺

在類生物化制造系統模型的基礎上，根據前文對免疫監控系統的主要工作方式、技術方案以及功能模塊的分析，可以得到免疫監控系統的總體結構示意圖（圖6）。各免疫監控單元在執行任務的過程中，不斷獲取系統中各種狀態變量的值，并通過自身的控制器進行初步的處理，然后將所得的信息通過CAN總線通信的方式發送給主控單元，主控單元根據系統信息識別所得的當前系統狀態做出合理的調整，協調各有機制造單元共同完成加工任務，避免系統外界環境和內部環境變化所產生的影響，并自適應地應對系統自身故障引發的各類問題。主控單元在完成上述任務后，還會將所得的系統信息反映給上位機監控軟件，以便工作人員了解系統狀態，合理安排系統的加工任務。

圖6 免疫監控系統總體結構圖

同時，為了給制造系統與外界信息或人員提供一個進行交互的接口，向工作人員提供實時的系統信息，其中包括各單元的加工信息、各單元的狀態信息、系統的總體健康值信息等，在搭建好仿真硬件平臺后，筆者還編寫了一個上位機監控軟件。

3.2 仿真結果與分析

仿真試驗是在類生物化制造系統試驗平臺上進行的，該平臺模擬了制造系統對生產任務的整個調度加工過程，本文通過對系統加工生產過程中內外部環境因素變化的模擬，以6號加工單元為例，進行監控系統的測試，檢測免疫監控系統的有效性。

（1）單元6正常狀態時（圖7），系統監測的狀態抗原為（1，0，0，0，0），由監控信息可知，此時單元處于忙碌狀態，加工區域實際的溫度值為23℃，單元的健康值H6＝97，健康狀態良好。

圖7 單元6正常狀態時信息視圖

（2）單元6加工過程中出現溫升過高的現象，其他狀態變量正常（圖8）。此時的免疫監控系統檢測到的狀態抗原為（1，1，0，0，0），單元的加工溫度值為58℃，所設定的溫度閾值為50℃，所以單元的溫升狀態發生變化，溫升過高，單元的工作狀態為忙碌，單元的健康值發生變化，H6＝90，狀態良好。

圖8 單元6溫升過高時狀態信息視圖

（3）單元6加工過程中出現主軸振動，其他狀態正常（圖9）。此時免疫監控系統檢測的狀態抗原為（1，0，1，0，0），單元的實際加工溫度為27℃，主軸狀態振動過大，單元工作狀態為忙碌，單元健康值H6＝84，健康狀態較前兩個狀態稍差，但不影響單元對工件的加工。

圖9 單元6主軸振動過大時狀態信息視圖

（4）單元6加工過程中出現刀具磨損嚴重的現象，其他狀態正常（圖10）。此時免疫監控系統檢測到的狀態抗原為（1，0，0，1，0），單元6的實際加工溫度為23℃，刀具磨損狀態嚴重，單元工作狀態未發生變化，健康值H6＝66，健康狀態降為中等偏上，此時的加工會對工件產生一定影響，但單元還可以繼續進行加工。

圖10 單元6刀具磨損時狀態信息視圖

（5）單元6的加工區域出現未知干擾，其余狀態正常（圖11）。此時免疫監控系統檢測到的狀態抗原為（1，0，0，0，1），單元實際加工溫度為23℃，單元的加工區域出現未知干擾，單元的健康值H6＝49，H6＜50，健康狀態中等，單元已處于故障狀態，且信息顯示區也出現干擾提醒。

圖11 單元6加工區域出現干擾時狀態信息視圖

針對出現以上各種現象時系統狀態信息的抗原，免疫系統根據標準抗體庫給出相應應答措施，由于前4種狀態下，單元對工件的加工并不會受到嚴重影響，故系統暫不做調整。在最后一種狀態下，單元6必須停機休整，并排除干擾，此時由于其他狀態正常，故沒有休整時間的限制，僅需排除干擾即可恢復加工，其抗體與抗原的對應關系如下：

僅當加工區域出現干擾或單元健康值低于50時，系統才會控制單元停機休整，休整時間由標準抗體庫中的各狀態對應時間決定。

系統的總體健康值會根據系統中各單元的健康情況實時更新。當系統各單元健康值分別為：H1＝84，H2＝97，H3＝66，H4＝42，H5＝90，H6＝77時，此時系統的狀態健康值H＝79，健康狀態比良好稍差，工作人員可以通過該視圖實時準確地獲知系統的總體健康狀態，對系統的加工能力和狀態進行實時了解。

通過上述的試驗及結果的分析可知，制造系統的免疫監控系統能夠準確獲得系統的狀態抗原信息，并自適應地做出應答措施，產生免疫效應，使系統能夠自主應對內外部環境的干擾及系統自身的故障，安全可靠地完成加工任務。

4 結束語

生物免疫系統運作機制的模擬在監測控制和故障診斷領域扮演著重要角色，在把握制造系統發展的內在必然規律后，本文通過借鑒生物免疫系統的研究成果和生物控制論的基本知識，將生物免疫原理應用于類生物化制造系統的狀態監控及健康評估，充分利用生物免疫的抗原識別及應答機理，實時處理制造系統內外部環境中產生的變化，并及時給出制造系統的健康狀態信息，為制造系統中加工任務的合理安排提供依據。

［1］ Wang Cunjie，Zhao Yuhong.Fault Diagnosis Method Based on Hybrid Immune Learning Algorithm［C］／／Proceedings of the Third International Conference on Natural Computation，ICNC2007.Haikou，2007：662－666.

［2］ Stan O.Integrated Vehicle Health Management for Aerospace Platforms［J］.IEEE Instrumentation ＆Measurement Magazine.2002，5（3）：21－24.

［3］ Timmis J，Hone A N W，Stibo T，et al.Theoretical Advances in Artificial Immune System［J］.Theoretical Computer Science，2008，403（1）：11－32.

［4］ 陳強，鄭德玲，李湘萍.基于人工免疫的故障診斷模型及其應用［J］.北京科技大學學報，2007，29（10）：1041－1045.

［5］ Hart E，Timmis J.Application Areas of AIS：the Past，the Present and the Future［J］.Applied Soft Computing，2008，8：191－201.

［6］ Costa Branco P J，Dente J A，Vilela Mends R.Using Immunology Principles for Fault Detection［J］.IEEE Transaction on Industrial Electronics，2003，50（2）：362－373.

［7］ Wang Lei，Tang Dunbing，Wan Min，et al.Bioinspired Self－adaptive Manufacturing System Heterarchical Control Structure［J］.Transactions of Nanjing University of Aeronautics ＆ Astronautics，2009，26（2）：122－129.

［8］ 王蓮芬，許樹柏.層次分析法引論［M］.北京：中國人民大學出版社，1990.

［9］ Wang Lei，Tang Dunbing，Yuan Weidong，et al.Pheromone－based Coordination and Control for Task Allocation［C］／／2009International Conference on Information Engineering and Computer Science.Wuhan，2009：1－4.

Research on Key Technologies of Self－adaptive Immune Monitoring of Bio－inspired Manufacturing System

Tang Dunbing Zheng Kun Gu Wenbin Tang Dingshan
Nanjing University of Aeronautics and Astronautics，Nanjing，210016

Combining the control model of bio－inspired manufacturing system（BIMS）with the algorithms of artificial immune system（AIS），this paper established an immune monitoring system（IMS）.Besides，this paper proposed the strategies of health assessment of manufacturing system with the help of analytic hierarchy process（AHP）model.Finally，a simulation experiment was carried out based on the IMS proposed herein，and the results show that the system has a good adaptability for the changes of internal and external environments of manufacturing system.It can also give a reasonable evaluation of the manufacturing system which can match the actual state very well.Therefore，the proposed IMS has good effectiveness and reliability.

self－adaptive immune monitoring system（IMS）；immune monitoring cell；bioinspired manufacturing system（BIMS）；antigen reorganization

TH165

1004—132X（2011）10—1253—07

2010—12—24

霍英東教育基金會青年教師基金資助項目（111056）；教育部新世紀優秀人才支持計劃資助項目（NCET－08）；高等學校博士學科點專項科研基金資助項目（20093218110020）

（編輯 袁興玲）

唐敦兵，男，1972年生。南京航空航天大學機電學院教授、博士研究生導師。主要研究方向為現代集成制造系統、制造系統與自動化。出版專著1部，發表論文100余篇。鄭 堃，男，1984年生。南京航空航天大學機電學院博士研究生。顧文斌，男，1980年生。南京航空航天大學機電學院博士研究生。湯定山，男，1986年生。南京航空航天大學機電學院碩士研究生。