半连续青霉素发酵过程的计算机模拟

在青霉素发酵动力学的方程基础上，本文对半连续青霉素发酵过程的几种主要工艺 计算机模拟，并就模拟结果进行了性能评价，为工业发酵青霉素提供了玫份参考资料。     

生物发酵过程的在线分类及调度优化

以改进生物制药过程经验调度操作为目的，根据过程的统计学规律，提出了对发酵罐批进行在线分类的方法，即将运行中的罐批在线区分为高效益、平均效益和低效益，在此基础上，提出以总体经济效益最大化为目标的优化调度策略，它对不同类的罐批限定不同宽度的调度区间，在调度区间内计算每一罐批的调度函数，再按调度函数的高低确定最佳调度顺序，对青霉素发酵过程的实际数据进行了拟在线仿真，结果证实了这一在线分类及优化调度决策方法的可行性和优越性。     

多罐并行发酵过程的弹性停罐调度策略

针对多罐并行发酵过程，基于早先提出的分类函数和调度函数提出了弹性停罐的优化调度策略．利用工业生产过程的实际数据，对现行的固定时间间隔停罐策略和弹性停罐策略两种方案进行了分析比较，证实了弹性停罐策略的有效性．     

青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一,其浓度与菌体细胞的生长速度密切相关.在青霉素发酵过程溶解氧变化机理的基础上,将模糊神经网络和变结构预估控制方法相结合,研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法,设计了青霉素发酵过程溶解氧的变结构预估控制系统.实验结果表明,对青霉素发酵过程中的溶解氧浓度进行变结构预估控制,可以使溶解氧浓度的调节达到满意的效果,既降低氧消耗,又避免出现氧抑制现象,使发酵过程始终处于较优的状态.     

谷氨酸发酵调优操作模型

以谷氨酸发酵的产酸率，转化率及生产能力为优化目标，对谷氨酸工业生产过程中所涉及的工艺条件进行回归，建立了一套好的调优操作模型．计算表明，运用调优操作于谷氨酸发酵具有很大的潜力．     

基于人工神经网络的发酵过程动态模式及优化

人工神经网络从植物数据中学习非线性基本过程的能力可有助于发酵过程的控制。本文旨在研究柠檬发酵过程，并建立了两个柠檬发酵过程的人工神经网络模型。我们研究了网络模型在优化和状态跟踪上的应用并得出优化的柠檬发酵过程控制。用这种方法，可缩短发酵时间，降低能量消耗。     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.     

一类非线性动态系统的参数辨识和状态估计

为了对青霉素发酵过程采用计算机控制，提出了一种适合于一类非线性动态系统参 数辨识的方法。同时，根据在线获取的可测信息（二氧化碳释放率），利用随机状态估 计原理，实时估计了青霉素发酵过程中不可测的状态变量（菌体浓度、基质浓度、产 物浓度）。对实验室和生产现场提供的几批数据进行了计算机仿真，结果表明：文中所 提供的技术方案对青霉素生产过程实现状态监控是可行的。     

基于PSO-ANN逆的发酵过程软测量建模

针对发酵过程中一些关键生化参量难以通过常规仪表实时测量,而制约发酵生产过程优化控制的问题,提出一种基于粒子群神经网络逆(PSO-ANN逆)的发酵软测量建模方法.以青霉素发酵过程为背景,首先建立其虚拟子系统数学模型,并构建发酵过程逆模型;其次,提出PSO-ANN逆的软测量实现方法,以克服解析法逆运算的复杂性甚至难于实现的问题;最终构建PSO-ANN逆软测量模型,并进行试验及仿真.结果表明:该软测量建模方法能够将机理建模与数据驱动建模方法相结合,充分利用对象模型的先验知识和经验数据,有效解决了青霉素发酵过程中不可在线测量的关键参量实时测量难题,其训练和测试误差分别达到0.037 2和0.046 1,模型具有较高的预测精度和较强的预测能力.     

生物发酵过程的效益函数在线计算及其预报

效益函数是发酵过程运行状态的最直接、最灵敏的一个指标,因此,实时地获得它的实际值和预报值对于过程优化调度十分关键.以青霉素发酵过程为例,采用3层BP人工神经网络,对过程的产物质量浓度进行了5步超前预报.进而基于效益函数的计算表达式推导出效益函数的5步超前预报值.结果表明,能够通过一些数据校正手段使预报值更加贴近实际值,预报精度能够较好地满足工业应用需求.     

一种智能状态估计方法及应用

为提高机理复杂工况变化较大的一类生产过程状态估计的精度 ,提出一种基于多模型和专家知识的智能状态估计方法 ,并给出了用于青霉素发酵过程状态估计的结果。这种方法采用多个状态估计模型进行估计 ,然后由优选专家系统选择一个最优的作为最终结果。给出了状态估计系统的结构及优选专家系统的结构和设计。优选专家系统采用改进的 Bayes方法进行不确定性推理。这一估计方法可以应用于类似于青霉素发酵这类机理复杂过程的状态估计。     

On-line Scheduling Algorithm for Penicillin Fed-batch Fermentation

An on-line scheduling algorithm to maximize gross profit of penicillin fed-batch fermentation is proposed. According to the on-line classification method, fed-batch fermentation batches are classified into three categories. Using the scheduling strategy, the optimal termination sequence of batches is obtained. Pseudo on-line simulations for testing the proposed algorithm with the data from industrial scale penicillin fermentation are carried out.     

自校正模型算法控制及其在青霉素发酵中的应用

针对发酵过程的特点,将参数估计技术引入模型算法控制(MAC),构成自校正模型算法控制,用于时变和非线性的青霉素发酵过程。以在线估计的排气二氧化碳释放率(CER)的脉冲响应模型为基础,进行预测控制,从中求得最佳加糖控制率,使CER跟踪理想变化轨迹,实现对生产的优化控制。仿真结果证明了上述控制算法的可行性和有效性。     

青霉素钠与氯化钠对N-乙酰神经氨酸发酵的影响

重组枯草芽孢杆菌生产N-乙酰神经氨酸的过程中,通过加入表面活性剂和抗生素等方法来改善细胞通透性,以减少产物和副产物所带来的反馈抑制,从而促进细胞生长和产物的合成.对比研究了吐温20、吐温60、吐温80及青霉素钠对重组枯草芽孢杆菌摇瓶和5L发酵罐发酵的影响,确定青霉素钠具有明显增强该菌种发酵产N-乙酰神经氨酸的效果.通过对青霉素钠的添加时间和添加量进行了优化,确定在10h和34h均添加200mg·L-1青霉素钠最优,使N-乙酰神经氨酸的产量达到7.17g·L-1,相比对照提高了38.42%.在利用青霉素钠提高目标产物的基础上,又通过在发酵培养基成分中添加0.75%氯化钠来改变细胞渗透压,从而增强细胞通透性.实验证明,N-乙酰神经氨酸的产量进一步增加,最终达到7.96g·L-1.     

青霉素发酵过程特点与控制对策

通过过程参数相关,模型化和在线辩识对青霉素发酵过程特点进行了研究,认为采用自适应控制可降低对模型精度的要求,是一个较为有效的控制方法。但对至今以人工经验为主的大多数发酵过程操作,模糊专家系统也是一种有效的控制方式。     

基于PSO-FNN逆的青霉素发酵软测量方法

青霉素发酵过程是一个严重非线性、时变、复杂的动态过程,发酵过程中一些关键参数(如菌体质量浓度ρX、基质质量浓度ρS和产物质量浓度(ρP)难以通过常规仪表在线测量,这些参数的获取非常耗时和困难。提出一种基于粒子群模糊神经网络逆(PSO-FNN逆)的软测量方法。首先给出青霉素发酵过程数学模型,然后根据逆系统理论证明其可逆性,在此基础上构建基于PSO-FNN逆的青霉素发酵软测量模型,最后通过仿真验证该方法性能。仿真结果表明:PSO-FNN逆的青霉素发酵软测量方法能够结合基于发酵机制和纯数据驱动2种软测量方法的优点,对不直接可测的关键参数实现在线软测量,较PSO-BPNN逆和PSO-BPNN软测量方法具有更高的预测精度和更强的预测能力。     

基于PARAFAC2的多时段间歇过程时段划分

针对间歇过程多时段特性,提出一种基于平行因子分解2（PARAFAC2）的多时段间歇过程时段划分方法。首先对每一个时间片矩阵进行平行因子分解2（PARAFAC2）建模,得到时间片矩阵的模型控制限,然后从间歇过程初始时刻开始,按照时序依次将每个时间片添加到时间块并进行PARAFAC2建模,得到时间块矩阵的模型控制限后,通过评估时间片和时间块模型控制限的差异性来确定初始时段划分点,最后利用时段评价划分指标（PPCI）获取最佳的时段划分结果。通过青霉素发酵过程仿真实验验证了本文方法的有效性。