基于支持向量机的赖氨酸发酵生物参数软测量

微生物发酵过程中生物参数难以在线实时测量,给优化控制带来用难.为了解决测量问题,采用软测量方法对不可测的生物参数通过辅助变量的计算实现在线估计,软测量的模型用标准支持向量机构建,数据集来自5个批次的赖氨酸发酵实验.发酵过程中流加葡萄糖溶液和氨水,实验数据由VKT-30L发酵实验系统自动采集记录,二氧化碳释放率与摄氧率由尾气分析装置经过二次计算得到.模型经过训练后进行仿真计算,能够较准确地输出生物参数预测值,比径向基神经网络模型有更强的推广能力和更高的预测精度.     

基于粒子群优化的支持向量机的软测量应用

提出了一种基于粒子群优化算法的支持向量机参数选择方法。针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究。实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

基于PSO-SVM的关键生物参数软测量方法研究

微生物发酵过程中一些关键生物参数难以实时在线测量,严重影响发酵的优化控制。为解决关键生物参数的测量难题,采用了一种基于PSO-SVM的软测量方法。该方法利用粒子群优化(PSO)算法优化选择支持向量机(SVM)的最佳参数,并建立了基于PSO-SVM的软测量模型。利用赖氨酸发酵的数据对模型进行仿真验证,结果表明该模型具有很好的学习精度和泛化能力。另外在建模耗时上,PSO-SVM算法所用时间远少于标准SVM算法所用时间。     

基于自适应FLSVM的赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型随着时间的推移而出现的模型老化现象,提出一种基于增量学习的自适应模糊支持向量机软测量建模方法.它首先将输入空间中的样本映射到高维特征空间,然后根据样本偏离超平面的程度赋予不同的模糊隶属度,建立模糊支持向量机软测量模型,并在模型投入现场运行后,通过一种改进的增量学习算法在线更新模型参数以自适应获得更加准确的软测量模型.以L-赖氨酸流加发酵过程为例,验证了所提算法能够从过程的第2批次开始对关键生物量参数(菌丝浓度和基质浓度)进行较准确的在线预测,与普通的模糊支持向量机建模方法相比具有较高的预测精度和自适应性.     

赖氨酸发酵过程关键参数的模糊神经网络逆软测量研究

针对微生物发酵关键生物量参数(基质浓度、菌丝浓度和产物浓度)难以直接测量的问题,以赖氨酸发酵过程为研究对象,采用基于"虚拟子系统"的模糊神经网络逆系统软测量方法对关键生物量参数进行在线估计.假定在发酵过程内部存在一个以不可直接测量参数为输入,直接可测参数为输出的"虚拟子系统",并建立 "虚拟子系统" 的数学模型.再构造"虚拟子系统"的模糊神经网络逆系统,将逆系统串接在"虚拟子系统"后构成复合伪线性系统,得到动态软测量模型,实现不可直接测量参数的在线估计.实验结果表明:该方法能很好地实时估算赖氨酸发酵过程关键参数,为进行赖氨酸发酵过程补料优化控制打下良好的基础.     

基于CPSO的混合核LSSVM生物发酵软测量建模

针对赖氨酸发酵过程非线性、强耦合及关键参数难以在线实时测量等问题,将混合核函数概念引入最小二乘支持向量机中,提出了一种基于混合核LSSVM的软测量建模方法。该方法采用混合核函数代替传统的RBF核作为支持向量机的核函数建立模型,并利用全局搜索能力较强的混沌粒子群优化（CPSO）算法对模型参数进行了寻优处理。仿真结果表明,该方法建立的软测量模型可以实现对发酵过程中的菌体浓度C、基质浓度S及产物浓度P等参量的在线实时预测,在改善了模型全局性的同时也提高了预测精度。     

基于聚类动态LS-SVM的L-赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型存在的模型失效问题,提出了一种基于模糊C均值聚类(FCM)和动态LS-SVM的混合建模方法.首先,采用FCM算法将训练集分成具有不同聚类中心的子集,然后对每一类分别采用LS-SVM进行训练并建立子模型.对于带有新信息的样本数据首先计算其对每一类的模糊隶属度函数,然后用隶属度最大的一类所对应的子模型进行动态学习,并更新子模型.将所提出的软测量建模方法用于对L-赖氨酸发酵过程关键生物量参数的预测,实验结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力,提高其预测精度.     

汽车废气氧传感器软测量模型

汽车废气氧(EGO)传感器模型是实现发动机空燃比闭环控制的关键技术之一.传统采用的继电器模型,存在一定的不足.采用实验建模的方法,建立了过量空气系数、温度与输出电压之间的软测量模型.利用三段和法对模型参数进行初步估计,得到参数的粗略值,然后利用粒子群优化算法,寻找最优参数,并对所得结果进行检验.仿真结果表明:该软测量模型结构简单,预测精度高,可以用于空燃比闭环控制系统的仿真研究.     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

基于IQPSO优化ELM的熟料质量指标软测量研究

水泥熟料游离氧化钙(f Ca O)含量是水泥生产过程的重要质量指标。针对难以建立其精确的数学模型和难以实时在线测量的问题,首先采用序列二次规划方法增强量子粒子群算法的局部搜索能力,提出了一种局部区域可调的改进量子粒子群优化(IQPSO)算法,并采用提出的IQPSO算法优化超限学习机(ELM)的输入层权值和隐层阈值参数,在优化过程中同时兼顾均方根误差和隐层输出矩阵条件数最小的原则,建立了基于IQPSO优化ELM的水泥熟料f Ca O软测量模型,仿真验证结果表明,IQPSO算法具有较高的搜索精度以及较快的收敛速度,建立的软测量模型精度高、泛化能力强。最后基于该模型,通过软件编程的方法给出了水泥熟料质量指标软测量仪表,实现了f Ca O含量的在线软测量。     

基于CPSO与LSSVM融合的发酵过程软测量建模

发酵过程是一个复杂的时变、非线性、强耦合过程.发酵过程中的关键参量菌体浓度通常难以用传统物理传感器实时在线检测.为了测量该参数,将CPSO算法与LSSVM相结合构建发酵过程软测量模型.模型采用CPSO算法优化LSSVM软测量模型参数,克服了常规交叉验证法选取参数的耗时和盲目性.仿真结果表明,CPSO-LSSVM软测量模型较LSSVM软测量模型更能在较短的时间内获得较高的收敛精度,其平均误差为2.05％,说明该软测量模型可用于发酵过程不可在线测量的菌体浓度的实时在线软测量,并且预测精度高,预测速度快,预测能力强.该软测量建模方法也为发酵过程其他关键参量的实时在线测量提供了新的途径.     

基于改进串联混合建模方法的发酵过程菌体浓度软测量

发酵过程中菌体浓度难以在线实时测量,给控制与优化带来困难.针对这一问题,本文利用软测量技术来实现菌体浓度的在线估计,并提出了一种改进的串联混合建模方法用以建立菌体浓度软测量模型.改进的串联混合建模方法,克服了现有方法需要利用插值所得的数据进行软测量模型构建的不足,从而保证了建模数据的可靠性.利用诺西肽发酵过程生产数据进行仿真研究,仿真结果表明,基于改进串联混合建模方法的软测量模型是有效的,比基于现有方法的软测量模型具有更好的估计性能.     

基于SVM的微生物发酵过程软测量建模研究

微生物发酵过程中支持向量机(SVM)软测量模型的预测精度主要取决于SVM参数和输入变量优化选择.提出了一种新的SVM参数选择与输入变量选取方法,将SVM参数的选择和输入变量的选取看作组合优化问题,构造了基于赤池信息准则(AIC)的组合优化目标函数.为提高优化效率,采用遗传模拟退火算法(GSAA)来搜索最优的目标函数值.通过与网格算法、遗传算法等方法对比仿真研究表明,所提SVM微生物发酵过程软测量建模方法在微生物发酵过程的软测量建模中具有优良的性能.     

基于WSVM的软测量算法应用研究

为了克服污水处理过程中随机干扰严重影响软测量效果的不足,基于支持向量机(SVM)核方法和小波多分辨率理论,提出了一种多分辨率小波核支持向量机的机器学习方法,并应用于对污水处理过程水质参数的软测量中.利用支持向量回归机与参数特性混合建模,实现了对BOD浓度与COD浓度的在线软测量.仿真结果表明:应用该软测量技术能较好地克...     

基于PXI总线的发酵过程软测量系统研究

PXI总线是一种专为工业数据采集与自动测试应用度身定制的模块化仪器平台,而软测量方法是解决发酵过程中难以直接测量变量的有效方法.本文介绍了软测量技术在发酵过程中的应用,提出了将PXI总线数据采集系统应用到发酵过程变量检测,以及利用LabVIEW进行软测量建模以得到发酵过程待测变量最佳估计值的方法.实验表明,开发的基于PXI总线的发酵过程软测量系统实时性好、精度高并且具有广泛适应性.     

基于阶段识别的诺西肽发酵过程软测量建模

诺西肽是一种含硫多肽类抗生素,该抗生素是一种优良的非吸收型饲料添加剂,它能促进动物生长且在动物体内无残留.针对诺西肽发酵过程中关键生化参数难以在线测量的问题,提出了一种基于阶段识别的软测量建模方法.利用诺西肽发酵过程的非结构模型状态方程,根据隐函数存在定理确定出辅助变量,并利用K均值聚类算法进行阶段识别,根据识别结果对现场数据进行分类,然后采用多个神经网络分别构建出对应于各个阶段的局部软测量模型.实验结果验证了所提方法的有效性.