生物技术是21世纪最具潜力的产业之一，随着基因重组技术的进一步成熟，生物技术迅速走上了真正造福于人类的产业化道路。然而，当处于不同的操作条件时，基本相同的投料量会得到完全不同的产量，现代生物技术已经把过程优化作为一项重要研究内容。 国外在20世纪60年代中后期发现了诺西肽(nosiheptide)产生菌后即开始对诺西肽进行研究，现在诺西肽已经被开发成一种新型的非吸收性饲料添加剂，国外于80年代末批准上市，目前日本和法国已正式将诺西肽列为法定的饲料添加剂而予以投产，而国内在这方面研究较少，还没有产品上市。由于诺西肽具有广阔的市场前景，本文研究了诺西肽发酵过程的建模与优化问题，主要内容如下： 建立了诺西肽发酵恒温条件下的基本过程模型，通过Levenberg-Marquardt法确定了该模型的参数；之后进一步建立了诺西肽发酵过程的温度改进模型，实验表明改进模型能够较好的描述诺西肽菌体生长情况。 提出了采用丝状菌体生长的结构模型来描述复杂的诺西肽产物生成状况，估计了该模型的参数。针对诺西肽产物生成对外界环境因素特别敏感，模型参数变化较大，提出了一种分段模型来克服参数的时变性。针对分段模型参数多形式复杂的特点，首先对模型参数进行灵敏度分析，之后采用了一种用繁殖操作改进的粒子群算法仅对灵敏度大的参数进行寻优。实验表明分段模型能够准确跟踪诺西肽产物生成。 所建立的温度改进模型和分段参数修正模型分别适用于诺西肽发酵过程的菌体生长期和生产期(又叫产物生成期)，把这两个生长阶段的划分看作一个模式识别问题，采用一种自组织聚类的ART2神经网络实现了对诺西肽发酵过程中这两个生长阶段的在线分类。 由于诺西肽发酵过程的极其复杂性，所建立模型即使通过实时修正也只能是一种反映过程的粗模型，在优化算法中，选择了一种对过程模型依赖较小的ACD方法对操作变量进行优化计算。选择菌体浓度的增长作为生长期的目标，对温度、通气量、搅拌转速、压力等操作变量进行了优化；选择产物最大作为生产期的目标，对补料操作进行了优化。对得到的优化结果通过灵敏度分析的方法进行了评估。最后，提出了一种发酵过程实时操作优化的实施构想，即将整个系统分为前台和后台两个模块，前台模块运行控制回路并采集数据对后台模型进行检验和修正，后台模块运行过程仿真模型并在过程模型基础上求取操作参数的优化解，经评估后作为控制回路的设定值，从而实现了发酵过程的实时优化。