发酵过程的计算机监测和控制

介绍了发酵过程计算机监测和控制 ,讨论了发酵过程中所需监测和控制的参数及特点。在硬件方面 ,分析了发酵监控计算机硬件构造 ,发酵过程的分布式监控系统构成。在软件设计方面 ,分析了测控计算机的软件结构 ,上位机软件构造 ,发酵监控总流程等。重点讨论了发酵监控计算机的可靠性设计问题 ,发酵过程计算机监测和控制系统将会有助于我国发酵行业的生产自动化水平的提高 ,并具有显著的经济效益和社会效益。     

发酵过程的计算机监测和控制

介绍了发酵过程计算机监测和控制,讨论了发酵过程中所需监测和控制的参数及特点。在硬件方面,分析了发酵监控计算机硬件构造,发酵过程的分 式监控系统构成。在软件设计方面,分析了测控计算机的软件结果,上位机软件构造,发酵监控总流程等,重点讨论了发酵监控计算机的可靠性设计问题,发酵过程计算机监测和控制系统将会有助于我国发酵行业的生产自动化水平的提高,并上仍显著的经济效益和社会效益。     

发酵过程实时监测与控制系统的研究

介绍了一种生物发酵过程实时监测与控制系统设计的新思路，通过对以传统仪表为主、容量为14L的发酵罐控制系统的技术改造，设计完成了发酵过程的计算机实时监测与控制系统，提出了一种发酵过程生物参数的软测量方法，为发酵过程建模及其优化控制的进一步研究提供了技术平台。     

发酵过程的建模与优化方法研究

对于发酵这样一个复杂的非线性动态过程,由于在线传感器的缺乏,使得过程中的一些重要状态变量难以在线测量,从而给发酵过程的优化控制带来了极大困难。为此,提出了一种新型的动态网络—递归补偿模糊神经网络方法,实现对发酵过程的建模和状态估计,结果表明该网络能够较为准确地拟合过程的动态特性。进一步采用改进的蚁群算法来对发酵过程的控制变量进行优化,使发酵的产物产量得到提高。该方法应用于多粘菌素的发酵生产过程中,实现了状态变量的在线预估与控制变量的在线优化。     

基于Matlab的发酵过程平台软件设计

设计了一套优化软件，将先进的智能控制理论运用到发酵过程控制领域中。针对非线性、时变的发酵过程利用神经网络非线性预测控制方法，建立了发酵过程神经网络模型进行菌体浓度、基质糖浓度、产物浓度的在线估计。由于缺乏发酵过程精确的数学模型，采用神经网络非线性预测控制方法结合遗传算法寻优技术确定发酵过程控制参数的最佳值，使整个发酵过程始终处于最优化状态，优化结果可提供给工艺工程师加以修正，再应用于生产，从而提高生产率。     

氨基酸发酵过程优化控制

采用动力学模型描述苏氨酸发酵动态过程。对发酵过程进行优化控制,并建立了知识库系统。结果表明,缩短了发酵时间,提高了苏氨酸的产量和质量。     

粗糙集理论在生物发酵过程补料控制及故障诊断中的应用研究

在生物发酵过程中传统控制方法经常难以胜任,同时发酵过程积累了大量的历史数据。粗糙集理论是一种数据推理方法,文章提出将其应用于生物发酵过程的补料时机的识别与控制、发酵状态故障诊断和异常工况故障诊断,并阐述了具体思路,构造了应用框架,讨论了该方法的特点。     

发酵过程建模与优化控制的研究

针对发酵过程的时变性和强非线性,本研究采用神经网络对发酵过程建模,在线预测某些重要生物参数,并以这些生物参数的预测值为指导,使用遗传算法(GA)在线优化主要的环境参数,确定各参数的最优轨线来控制发酵过程,并构建了由PC机和单片机组成的发酵优化控制的监控系统.实验表明,该控制系统应用于实际发酵生产过程能有效提高发酵生产效率.     

改进型Elman神经网络发酵过程建模研究

依据发酵过程的机理和改进的Elman神经网络动态建模原理,提出了一个新的发酵过程建模分批训练算法。通过发酵过程仿真实验,与传统的BP建模算法比较,改进的Elman神经网络建模算法具有收敛速度快、泛化能力强等特点。此外,利用该算法编制的软件可以内嵌到发酵过程监控系统中,实现发酵过程在线建模与状态参量的在线预估。     

基于COM的发酵过程调度优化软件开发

在生物制药多罐并行发酵过程中，关键变量在线检测困难，发酵过程的优化调度决策难度高。本文采用了基于COM的组件化程序设计方法，设计了多罐并行发酵过程的调度优化软件系统。利用该软件，可以实现发酵过程关键变量的超前预报和罐批的在线分类。并给出了以经济效益最优为目标的停罐调度策略。     

基于Marquardt和Runge-Kutta算法的发酵过程建模

利用简单的线性模型很难描述发酵这类复杂的非线性动态过程,因此需要利用非线性方法对该类过程进行建模。为此,提出了利用基于Marquardt算法的非线性回归方法和基于四阶Runge-Kutta算法的非线性微分方程求解方法对发酵过程进行建模分析;并进一步利用统计方法分析了该非线性回归方法的有效性。该方法应用于黄酒发酵过程中,实现了黄酒发酵过程模型的求解和模型参数的动态优化。     

青霉素发酵过程的模型辨识及仿真研究

研究青霉素发酵优化问题.青霉素发酵过程是一种复杂的生化反应系统,生物参数难获得,许多代谢途径尚不明确,传统方法无法建立精确数学模型.然而支持向量机不需要了解青霉素发酵系统的内部结构,具有智能性、自学习能力,可以解决复杂青霉素发酵建模问题.因此,以青霉素发酵过程生化机理模型产生的数据为样本,训练支持向量机,并采用粒子群算法对支持向量机参数优化,建立了支持向量机的发酵过程模型.仿真结果表明,支持向量机可以对青霉素发酵过程进行状态变量的估算与预测,为有效提高青霉素发酵预测精度,提供了实际有效的指导作用.     

计算机控制技术在发酵工业中的应用

工业生产发酵过程控制系统，可对发酵过程营养剂补加控制、消沫控制以及温度、PH、供气量控制等。系统用于抗生素发酵，VC、VB发酵，酶制剂，酵母，味精等发酵过程控制。     

神经网络优化的迭代学习控制在黄酒发酵中的应用

黄酒发酵过程是一种一边糖化一边发酵的复式发酵方式,在糖化和发酵之间需要建立动态平衡。鉴于发酵温度对活化酶和酵母的影响,本文通过控制反应温度来控制黄酒产品质量。黄酒发酵过程是一个典型的间歇过程,本文运用迭代学习控制对发酵温度进行控制,并利用神经网络优化迭代学习律的增益。仿真结果表明了该方法的有效性,且能在较少的迭代次数下,以最快的收敛速度,较高的跟踪精度逼近期望轨迹。     

基于逆系统的赖氨酸发酵多变量解耦内模控制

针对赖氨酸发酵过程的时变、非线性和高耦合性,提出基于逆系统的赖氨酸发酵多变量解耦内模控制方法。根据动态递归模糊神经网络(DRFNN)的非线性辨识原理离线建立发酵过程的逆模型,将得到的逆模型串联在发酵系统之前,实现了发酵过程输入输出解耦线性化,从而得到伪线性系统;对复合后的伪线性系统采用内模控制。仿真结果表明,该方法能够适应赖氨酸发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,且结构简单,易于实现。     

啤酒生产发酵过程微机监控系统的设计与实现

啤酒生产发酵过程是带有时滞、不确定性、大惯性的工业过程。本文介绍了在啤酒发酵过程微机监控系统的解决方案，并详细论述了采用模糊预测控制算法来改进无辨识自适应控制算法，来解决啤酒发酵的控制问题．在实际的应用中取得了良好的效果。     

惠泉啤酒发酵过程微机自控的实现

文章概要介绍了啤酒发酵生产过程，提供了微机自动控制发酵过程的方案，并加以实施，并对实施结果进行讨论。     

基于人工智能的生物发酵控制系统方法

研究发酵控制优化问题,发酵控制系统是一个复杂的大时延系统,发酵过程具有动态性、时变性,传统难以获得较高的控制精度.为了提高生物发酵控制精度,提出一种人工智能的生物发酵控制算法.采用神经网络的智能性捕捉发酵过程的时变性、动态性变化特点,并采用智能算法中的粒子群算法对控制模型参数进行快速优化,最后采用仿真对控制系统进行测试.仿真结果表明,提出算法提高了生物发酵控制系统的控制精度高,系统鲁棒性强,为生物发酵控制优化设计提供了参考.     

啤酒锥型发酵罐温控系统中水锤现象的克服

一、引言啤酒发酵是一项非常复杂的生化过程,在这一过程中,麦芽经啤酒酵母的作用,便酿制成啤酒.在发酵过程中,酵母的种类,发酵过程中的温度、压力以及发酵设备的形式都对啤酒的质量和发酵周期起到至关重要的作用.近年来,由于科学技术的发展,啤酒发酵过程中的一些变化机制已逐步为人们所掌握,为了缩短啤酒     

引力搜索算法在青霉素发酵模型参数估计中的应用

针对生物发酵过程难以精确估计模型参数的问题,提出一种利用引力搜索算法(GSA)对青霉素发酵非构造式动力学模型参数进行估计的方法。在分析发酵过程反应机理的基础上,选取合适的青霉素发酵非构造式动力学模型的状态方程式;然后利用GSA良好的全局搜索能力,对状态方程式的参数进行估计,从而得到精确的发酵模型。仿真结果表明：GSA实现了对青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足青霉素发酵过程的状态估计和控制需求。因此,GSA可有效地应用于模型参数估计。