随着经济的发展,能源的消耗已经远远大于能源的生产,加上化石燃料不合理排放已经引发了一系列的环境问题。而微藻,生长周期短、成本小、油脂含量可达干重的30%～50%,被普遍认为是生产清洁能源的最佳原料。市面上将光生物反应器作为规模化培养微藻的主要设备,其中,温度、p H、CO₂等是藻类生长的关键性因素。光生物反应器控制系统是一个多输入多输出的控制系统,学者对反应器中温度控制研究居多,其中对影响藻细胞生长的其他环境因子,如p H、CO₂研究较少,且几乎没有考虑环境因子相互间的影响。事实上,在微藻自动培养装置中对某因素进行单一调节时,会对其它因素产生影响,如增加温度会加速光合作用,从而影响CO₂和p H浓度;又如通入藻液中的CO₂与水反应形成碳酸会降低p H值。因此,有必要提升光生物反应器的控制性能,从而提高微藻培养的效率和产量。本文的研究对象是光生物反应器控制系统,主要研究内容如下:首先,在光生物反应器控制研究的基础上,以光生物反应器控制系统中温度、p H值、CO₂存在强耦合的现象为切入点,基于影响雨生红球藻生长的关键性因素,设计小型光生物反应器控制系统。在详细描述各个子系统后,应用实物采集环境因子数据,检验所设计系统的可靠性,为后期采集数据和建立模型奠定基础。其次,因为大时滞、非线性、强耦合是光生物反应器控制系统的特点,难以用机理法建立模型,所以不断完善实验方案、重复多次地进行实验、获取大量有效的数据,采用阶跃响应曲线法对光生物反应器的温度控制回路、p H控制回路、CO₂控制回路建立数学模型,为后期系统仿真奠定基础。再次,以经典控制策略PID算法和自适应能力超强的神经网络算法为理论基础,提出一种适用于光生物反应器的神经网络PID解耦控制算法。神经网络拓扑图为6×9×3结构,核心之处在于将P、I、D控制融入到神经网络的三个隐含层和增加反馈作为输入,通过输入与输出间的误差不断反向传播来更新神经元之间的连接权值,最终实现温度、p H值、CO₂的解耦。设计完神经网络PID解耦控制器的结构后,重点推导了权值迭代算法。最后,在分析温度控制回路、p H控制回路、CO₂控制回路存在耦合性后,利用MATLAB软件分别对系统进行传统PID方法和神经网络PID策略的解耦控制仿真。通过仿真曲线对比分析,得出结论。对于相同的被控对象,本文设计的神经网络PID控制器能够减少光生物反应器中的耦合现象,这对规模化培养微藻提供了一定的参照依据。