生物工程对人类生活的影响越来越显现出它的重要性和迫切性。发酵过程是生化过程的核心，在近几十年中，发酵工业发展越来越快。发酵过程是一个极其复杂的过程，不仅所需的环境参数不同，而且具有很强的非线性及不稳定性。因此如何采用相适应的自动控制方法来保证发酵过程的稳定、可靠运行就显得尤为重要。文中采用智能控制理论的相关知识来解决发酵过程中的一些关键问题。 首先通过发酵过程的一个实例，实现对味精生产工艺和谷氨酸发酵过程的深入了解，以味精生产过程现场记录的大量数据为基础，结合在本领域从事多年设计与研究的工作者和专家的经验，建立过程的模型，设计了功能完善，且能真实体现味精生产和谷氨酸发酵全过程的计算机模拟仿真系统，包括过程的监视、操作和结果显示。它能作为培训本领域技术人员的界面与平台，也能作为科研人员研究发酵过程的素材，为进一步优化发酵过程提供了研究途径。 其次阐述了多性能指标综合下的遗传算法在控制器参数寻优上的应用，讨论了算法的具体实现方法，其中指标综合可以有多种方式，具体介绍了对指标的加权方法。通过与单一性能指标约束的遗传算法的仿真结果进行比较，证明了新方法具有更好的参数寻优能力，为发酵过程控制系统的参数寻优提供了一种有效的方法。 另外，对发酵过程采用常规的控制方式，其控制效果有时并不好，甚至难以实现稳定控制。高级控制算法一般需要大量的先验知识，对过程精确模型依赖较大。而模糊逻辑控制技术一般用来控制那些具有模糊性、不确定性、高阶、大滞后等难以用精确的数学模型来描述的对象；神经网络具有学习、记忆等能力。采用自组织计数传播网络(CPN)作为框架，结合改进的模糊控制算法，实现对发酵过程的模糊神经元控制。该方法有能力自组织、自学习发酵过程所需的控制知识。通过对发酵过程控制的仿真研究，表明该方法能够实现自学习的能力。 再次，由于发酵过程具有强非线性、时变性和相关性，要实现对发酵的进一步优化和控制，必须获得足够的发酵信息，但是目前发酵过程被测量参数仅局限于某些物理、化学参数，而对于较为复杂的生物参数，即最关键参数的在线测量，目前还没有较成熟的技术可应用，采用软测量是解决此问题的出路之一。针对菌体细胞浓度是影响谷氨酸发酵过程的重要的生物参数，而其在线实时检测又难以实现的状况，采用遗传算法和BP神经网络相结合的方法(GA-BP网络)对其进行软测量。通过对谷氨酸生产工艺过程的分析，寻找影响菌体细胞浓度的过程参数，从现场历史数据中选取样本，建立软测量模型。通过仿真结果对比，表明新方法可以避免单独使用。BP网络陷入局部最小的问题，也能加快全局收敛速度，对谷氨酸发酵过程菌体浓度的软测量效果更好。 最后结合发酵过程pH值测量的重要性，设计了一种智能型酸碱浓度测试仪表(简称pH计)的转换器。转换器采用高阻差动放大电路，测量酸度电极信号，单片机内核作实时处理，液晶数码管显示。同时在印刷电路板上加绝缘环以消除线路板绝缘电阻对放大电路输入阻抗的影响，通过软件校正电极偏差，具有上下限报警功能。仪表具有体积小、可靠性高、测量精度较高、便于现场使用、操作性好等特点，具有很大的经济和实用价值。