微生物发酵过程具有高度的非线性和时变性,其内在机理非常复杂。一些重要的过程变量,如细胞量、底物浓度和产物浓度不能在线测量,导致发酵过程的建模和控制更为复杂,应用常规的控制策略得不到满意的控制性能。随着智能控制理论的发展,其在发酵过程的应用得到越来越多人的关注。本文基于智能控制中的神经控制理论,对这一复杂过程的建模和控制问题进行了研究。 首先,论文主要以重组菌生产类人胶原蛋白发酵过程作为研究对象,对BP和RBF两种神经网络模型作了系统的综述,对其工作原理进行了详细的推导、给出了算法的软件实现,针对网络的性能缺陷提出了三种有效的改进算法:固定网络参数BP算法、自适应网络参数BP算法和改进RBF算法,并对三种新算法作了详细介绍,给出了算法实现步骤。论文以数值计算软件MATLAB7.0为工具,将三种改进算法与其它常用算法作了性能对比研究,从迭代次数、收敛时间等多个方面进行比较,体现了新算法的有效性。 其次,论文利用重组菌生产类人胶原蛋白发酵过程实验数据训练神经网络,建立了基于三种改进神经网络的类人胶原蛋白发酵过程模型。该模型可用于发酵过程中状态变量的估算和预测,而且在已知初始条件与控制点的情况下,可以藉此模型进行仿真,以估计底物、产物与菌体浓度的变化趋势,对实际工作很有指导意义。 最后,根据神经网络结构特点设计了基于神经网络的多变量非线性内模控制器,并对其有效性进行了验证。利用该方法对类人胶原蛋白补料分批发酵过程进行研究,当以操作条件作为操作变量以控制菌体生长时,通过实验评价了所构成的控制系统的品质指标。实验结果表明,基于神经网络的内模控制器可以用于类人胶原蛋白补料分批发酵过程,并具有良好的鲁棒性。