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。     

补料分批发酵过程优化控制

针对非线性、时变的发酵过程，建立了神经网络模型进行菌体浓度、基质糖浓度和产物浓度的在线估计。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的优化轨线，通过在线调整实现对优化轨线的跟踪控制。     

基于阶段辨识的诺西肽发酵过程菌体浓度软测量

由于发酵过程中系统非线性特性与发酵阶段密切相关的实际特点,针对诺西肽发酵过程菌体浓度的估计问题,提出了一种基于阶段辨识的软测量方法.首先以分阶段的诺西肽发酵过程非结构模型为基础.根据隐函数存在定理进行辅助变量的合理选择;然后利用经数学推导得到的指示变量"伪比生长率"完成发酵阶段的在线辨识,并采用神经网络构建出对应于各阶段的局部软测量模型.实际应用结果表明,所提方法有效、预估精度较高.     

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。     

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.     

基于LS_SVM的在线建模方法在大肠杆菌发酵过程中的应用

为了实现大肠杆菌发酵过程菌体浓度基于模型的优化控制,提出一种基于最小二乘支持向量机(LS_SVM)在线建立大肠杆菌发酵过程局部模型的方法.该方法首先将当前批次滑动时间窗内采集到的数据作为查询序列,以动态时间弯曲距离(DTW)为判断时间序列相似性的标准,从历史批次数据库中搜索与之相似度最高的数据区间,组成训练样本集.然后利用LS_SVM在线建立发酵过程的局部模型.最后通过实际的大肠杆菌发酵过程数据,对本建模方法与传统的LS_SVM离线全局建模方法进行了仿真验证.结果显示,本方法在线建立的大肠杆菌发酵过程菌体浓度预估模型具有更高的精度以及动态适应能力.     

基于连续隐Markov 模型的发酵过程软测量方法

针对生物发酵过程中一些生物参量难以用仪表进行在线检测的问题,提出一种基于连续隐Markov模型（CHMM）的发酵过程软测量建模方法.为减少建模过程的计算量,提出了改进最小分类误差准则,用于CHMM软测量模型参数估计.为避免软测量结果在发酵过程监测与控制实际应用中存在的盲目性,提出了在线评价软测量结果可靠性的可信度评价指标.实验结果表明了所提出方法的有效性以及可信度评价指标的实际意义.     

发酵罐KPCA与SVR软测量技术的研究

青霉素发酵过程具有较强的非线性、时变性和不确定性,发酵过程中的基质浓度、青霉素菌体浓度、产物浓度等关键生物参数难以实时在线测量,而离线化验存在时滞大的问题,难以满足实时在线控制的要求。针对这一问题,提出了一种基于核主成分分析(KPCA)与支持向量机回归(SVR)的软测量建模方法。首先,利用KPCA提取软测量输入数据空间中的非线性主成分;然后,采用SVR算法建立了可准确预测青霉素发酵过程重要参数的软测量模型。试验结果表明,与传统建模方法相比,KPCA-SVR软测量模型的测量精度高、跟踪性能好、泛化能力强,能满足发酵过程中青霉素菌丝浓度的在线测量要求,是一种有效的软测量建模方法。     

基于改进PCA的古龙酸工业发酵过程关键阶段识别

针对古龙酸工业发酵过程动态特性和主元分析的特点,提出了基于时滞窗口的主成分分析方法来辨识发酵过程不同阶段。该方法首先确定与发酵过程的状态相关的在线变量数据,不需要历史数据,仅利用当前批次的数据。为了获得发酵过程的动态关系,引入时滞窗口,t时刻的动态系统状态由[t-D,t]时间段的测量值来表征,而不仅仅是t时刻。建立基于在线测量数据的带时滞窗口主成分分析,利用主成分分析后的主元计算统计指标Hotelling’s T2随时间的变化曲线。曲线中的奇异点包含动态行为更多的信息,用来检测不同发酵阶段的变动,可用于实时指导离线采样分析的时间,对提高生产过程的监控水平有重要意义。     

烟叶发酵微型计算机控制系统

一、引言在卷烟行业中烟叶是基础,发酵是关键。烟叶发酵质量好坏直接影响卷烟产品的质量,传统烟叶发酵过程的控制是凭操作员经验去控制,其发酵质量很难保证。故而为了提高烟叶发酵质量,缩短发酵周期增加生产能力,降低消耗,减轻劳动强度,对烟叶发酵过程实行微机在线实时控制是完全必要     

发酵过程的多模型融合建模算法

提出了利用多模型融合技术进行发酵过程建模的新方法， 该方法能够将在线参数和离线参数同时用于建模中． 首先给出了多模型融合建模算法框架， 并描述了基于自适应模糊神经网络和模糊推理技术两个参与融合的子模型的建立方法. 采用三个非线性函数分别运用GMDH-PTSV算法、傅里叶神经网络和多模型融合建模算法进行建模精度比较. 最后给出了多模型融合建模算法在青霉素发酵过程中应用的结果．     

基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

针对海洋溶菌酶（Marine Lysozyme,ML）发酵过程菌体浓度在线检测难以实现,离线测量不能反映发酵过程当前变化等问题,提出了一种基于改进磷虾群—自适应模糊神经网络软测量（HLKH-ANFIS）建模方法。首先利用自适应莱维飞行策略对传统KH进行改进,从而提升算法的全局搜索能力;同时利用跳变技术（HOT）对KH算法位置更新公式进行改进,提高算法的局部寻优能力,然后利用改进的KH算法对自适应模糊神经网络反馈进行优化,改善其过度修正和计算量大的问题;最后建立基于HLKH-ANFIS的海洋溶菌酶发酵过程菌体浓度软测量预测模型,仿真分析表明：相较于KH-ANFIS预测模型,HLKH-ANFIS模型的误差较小,具有更好的预测能力,能够满足ML发酵关键参量的在线预测需要。     

一种实用的发酵过程建模方法

该文提出了同时利用在线参数和离线参数融合建模的实用新方法，给出了基于自适应模糊神经网络方法和模糊逻辑推理方法的建模过程，将两种建模方法进行最优加权融合，采用真实青霉素发酵过程数据进行模型验证，仿真结果表明了该方法具有较好的建模精度和实用性。     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.     

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。     

基于ARM7的智能生物发酵模糊控制系统

基于ARM7和模糊控制算法开发的生物发酵智能控制系统。软件设计中移植了μC/OS-II操作系统,采用多任务程序设计方法设计,大大降低了编写程序的复杂度。针对生物发酵控制过程中的时变性、非线性、延时性、随机性等特点,提出采用模糊逻辑控制技术来实现系统的控制。在一定程度上解决了传统控制方法不易得到系统数学模型、难于对控制系统进行有效控制的不足。     

一种新的多阶段改进MPCA间歇过程监视方法的研究

针对间歇生产过程存在的多阶段问题,提出了基于数据动态特性CPV(1)(cumulative percent variance of the first principal component)指标进行模糊聚类实现多阶段软划分的方法,解决了传统分段方式对间歇过程进行硬划分的缺陷,使得过程多阶段划分更加准确。在此基础上建立多阶段具有时变主元协方差的改进MPCA(multiway principal component analysis)模型进行间歇过程的监视。将此方法应用于青霉素发酵过程,验证了该方法的可靠度和有效性。     

基于熵准则的发酵过程TSK模糊建模

提出了一种基于熵准则函数的TSK模糊系统建模方法.不同于传统的基于MSE经验误差最小的准则函数,该准则函数能从训练样本的整体分布结构来进行参数学习,有效地避免了由于过学习而导致泛化能力差的缺点.将其应用于复杂的发酵过程建模,结果表明新方法具有良好的预测精度、泛化能力和鲁棒性.为解决发酵过程建模中试验数据含有噪音,导致模型预测精度下降的问题提供了一条研究思路.     

模糊控制在啤酒发酵温度控制中的应用

在对啤酒发酵工艺过程和参数控制进行分析的基础上,提出了基于西门子PLC的啤酒发酵温度自动控制系统设计方案。主要介绍温度控制系统构成以及模糊控制在PLC中的实现方法。     

基于人工免疫网络的连续过程传感器置信度评估

针对连续过程传感器置信度评估的问题,提出了一种基于人工免疫网络的在线数据处理算法。分析了Ishida动态识别免疫网络,在此基础上设计了模糊测试单元;使用模糊论域表达了动态识别免疫网络中抗体之间刺激的强度,建立了抗体浓度的数学模型,依照抗体的浓度来区分传感器的置信度;设计了模糊测试单元参数确定的方法,用以调整网络灵敏度和平衡的关系。算法应用于生物发酵过程传感器置信度评估,实验结果表明该算法能够对传感器的置信度进行有效评估、易于工程实现。