毕赤酵母是甲醇营养型酵母中一类能够利用甲醇作为唯一碳源和能源的酵母菌,其表达系统是近十年发展起来的真核表达体系,是目前应用最广泛的外源蛋白表达系统。与现有的其它表达系统相比,毕赤酵母在表达产物的加工、外分泌、翻译后修饰以及糖基化修饰等方面有明显的优势,现已广泛用于外源蛋白的表达。毕赤酵母目前已是仅次于大肠杆菌的最常用蛋白表达系统,广泛应用于实验室规模的蛋白质制备、表征以及结构解析等方面,已有上千种蛋白在毕赤酵母系统中得到成功地表达。毕赤酵母发酵过程十分复杂,具有高度非线性、时变强、强耦合性的特点,为最大限度提升它的生产效率和产品品质,迫切需要利用先进控制技术对毕赤酵母的发酵过程进行动态调控以及实时优化,将其控制在最佳工艺条件下进行生产,然而目前毕赤酵母发酵过程的优化运行控制主要存在以下三点问题:（1）毕赤酵母发酵过程内部机理十分复杂,难以通过动力学模型准确描述其菌种生长、基质代谢过程;（2）传统的控制方法大多依靠人工经验,导致产品的得率和品质较低;（3）发酵过程中存在一些能够直接反映发酵过程品质但难以直接在线测量的关键参量,如菌体浓度、蛋白酶K浓度等。在实际发酵过程中,这些关键参量大多采用人工离线采用处理的方法进行数据获取,例如干重法、光密度法、细胞计数法等。然而由于操作过程复杂可能会导致取样过程中样本受杂菌污染,且人工离线采样滞后性大,测量结果易受到各种不确定性因素的影响,导致最终结果难以准确及时反映毕赤酵母实时的发酵状态,不能满足毕赤酵母实时动态调控的要求。本文基于毕赤酵母发酵过程高度非线性、时变强、耦合性强、机理复杂、难以控制等特点,围绕毕赤酵母发酵关键参量软测量、多模型预测控制方法和毕赤酵母发酵过程在线监测等关键技术,开展毕赤酵母发酵过程优化运行控制的研究。本论文的具体研究内容如下:首先,提出一种基于FCM-IPSO-LSSVM的毕赤酵母发酵过程软测量建模方法。选择合适的环境变量作为辅助变量,将其作为软测量模型的输入变量,利用模糊C-均值聚类算法FCM对毕赤酵母发酵过程中的辅助变量进行聚类,获取样本簇;针对每个样本簇,采用最小二乘支持向量机回归LSSVM进行训练,并采用粒子群优化算法对LSSVM关键参量进行优化。进一步考虑到粒子群优化（PSO）算法比较容易陷入局部最优以及存在后期收敛过慢的缺陷,采用调整惯性权重的方法来改进优化粒子群算法。毕赤酵母发酵过程仿真结果表明,本文提出的FCM-IPSO-LSSVM软测量方法有着很好的预测效果,预测精度也较传统的SVM更高。其次,对毕赤酵母发酵过程关键参量进行多模型预测控制。利用模糊C-均值聚类算法（FCM）将先验数据划分为m个训练样本集（样本簇）。对于每个样本簇,采用最小二乘支持向量机回归（LSSVM）和改进粒子群优化（IPSO）方法得到相应的预测模型。然后,针对m个局部预测模型,分别设计了相应的预测控制器。最后,在每个采样时刻计算对象输出和每个子预测模型输出之间的偏差,基于多模型相对误差加权算法构建多模型融合预测控制器,利用该控制方法对毕赤酵母发酵过程进行控制。毕赤酵母发酵过程的仿真表明,本文提出的算法可以改善瞬态响应,提高了模型的自适应能力,并在大范围内进行良好的输出跟踪,更准确地描述了毕赤酵母发酵过程非线性系统的实际状态。最后,为了便于对毕赤酵母发酵过程进行实时在线监控,本文设计了一个实时监测系统。其主要功能是通过下位机系统对发酵过程中的环境变量进行采集和转换,随后将数据传输到上位机系统中通过本文提出的软测量算法和多模型预测控制算法对发酵过程关键参量进行在线预测和控制,起到对毕赤酵母发酵过程实时监控的效果。