论文部分内容阅读
随着科学技术的发展,非线性、不确定、高维等复杂动态问题日益成为研究系统工程领域先进技术的发展瓶颈。而动态优化是解决这些难题的十分有效的方法。动态非线性模型是现实过程系统中最为常见的模型。现代工业生产过程和各种学科领域的实验过程都可以用带有不确定参数的动态非线性模型来表示。
本文描述了限定葡萄糖补料分批培养大肠杆菌的培养过程,建立了基于大肠杆菌培养过程的非线性动态模型,阐述了基于原对偶内点法的优化算法。在此基础上完成了大肠杆菌培养过程动态模型优化的参数估计。本文主要研究成果包括:
1.根据补料分批培养大肠杆菌的培养过程,通过分析大肠杆菌对营养物的吸收代谢过程,生长抑制物(乙酸)的生成及重消耗过程,生物量的合成代谢过程,氧气的吸收利用过程等建立大肠杆菌培养的非线性动态模型。依据大肠杆菌培养过程的真实测量值来初步修正动态模型并验证动态模型的正确性。
2.建立了大肠杆菌培养过程不确定参数的动态优化问题模型。通过选择具体的参数约束条件和参数初值以及根据不同测量参数的准确度建立不同权重的目标函数,使该优化问题的求解能得到更为准确的参数估计值。
3.研究了原对偶内点法的基本思想,把原对偶内点法和拟序贯算法结合,改进拟序贯算法结构,以适应含有大规模不等式约束的优化问题。使用科学计算语言FORTRAN编写了基于原对偶内点拟序贯算法程序。
4.对大肠杆菌培养过程模型中的关键不确定参数进行了参数估计和优化。优化问题求解时,目标函数中选取合适的权重矩阵可以得到更为准确的参数估计值。为今后建立更为准确的大肠杆菌培养的动态模型提供了参数依据。计算参数估计误差的协方差矩阵,并作误差椭圆,可得到估计参数之间的误差关系。用参数估计误差的协方差矩阵作为评价参数估计值的精度的依据。