对于具有高度非线性、时变性和复杂相关性的生化过程,由于一些重要的过程变量不能在线测量,使得经典控制方法在生化过程优化控制的应用很难取得好的效果。人工智能技术为生化过程的优化控制提供了全新的方法,它能够绕过生化过程控制中建立数学模型的难点,也能够很好地利用工程师和熟练工人的一些经验,而这些经验是传统数学方法所无法利用的。本论文研究了模糊数学、人工神经网络、专家系统等人工智能方法在生化过程控制各个方面的应用。涉及生化过程变量测量和控制、数据处理、机理状态(生化时期)识别、故障诊断、状态变量的在线估计和优化控制等内容。模糊控制方法的本质优势在于能够处理过程的不确定性信息。生化过程的非线性、时变性使得技术人员无法精确确定生化过程的状态,更不能对其加以精确控制。本论文研究了生化过程的罐温和pH 的模糊控制,其应用效果良好。专家系统能够有效地利用非数值形式的信息,能够方便地引进规则库系统。基于模糊集方法和神经网络方法的知识表达大大促进了它的应用。本研究成功地应用专家系统于生化过程故障诊断、溶氧变区域控制。人工神经网络方法的一个优势在于能够通过样本学习,准确模拟各种非线性特性。这使得神经网络在生化过程建模、状态变量估计等方面具有突出的优势。准确的状态预估使得人工神经网络又能有效地应用于补料分批发酵过程优化控制问题的求解。如何将各种人工智能控制方法和经典控制方法有机结合起来,是本研究努力探讨的内容。基本观点是:(1)各类方法做各自擅长的事,并没有必要去勉强做一些不擅长的工作;(2)充分利用经典方法。因为经典方法成熟、可靠、可分析性强。本研究提出的生化过程智能控制各种方法已在工业现场应用,研究和应用结果如下: 1) 针对我国发酵企业规模相对较小而控制要求较高的情况,开发了适用于生化过程优化控制的低成本、开放型、高性价比的集散控制系统。硬件采用分层阶递的分布式结构,软件采用面向对象的模块式编程方法。自主研制、开发的FPC2000 生化过程集散控制系统具有方便、灵活、易用、简单、可靠、高性能特点,总体技术方面达到先进水平,已在十多家单位成功地推广应用; 2) 创建了智能控制系统的新型结构体系,将生化过程智能控制子系统与