由于发酵过程的高度非线性的动态特性以及生物传感器的缺乏,一些生物参数无法在线测量,给发酵过程的建模带来了相当的困难,以致难以实现发酵过程的优化控制。为此,重点进行了发酵过程的建模与优化方法研究,并在此基础上进行了发酵过程建模与优化软件的设计。对于发酵过程而言,根据建模目的的不同,常用的建模方法有两种:“灰箱”建模和“黑箱”建模。首先把“灰箱”建模技术应用于某一酒精发酵过程建模中,建立了与实际过程相吻合的数学动力学模型。然后重点研究了“黑箱”建模,即利用神经网络技术并根据实际生产数据对发酵过程进行建模。提出了一种新型的动态网络——递归补偿模糊神经网络,并对其训练算法进行了研究。把这种网络运用于多粘菌素的发酵过程建模,结果表明这种新型的网络模型可以较准确地模拟发酵过程的动态行为、预估发酵过程中的一些重要变量,可用于发酵过程的优化控制。基于描述发酵过程的不同模型,将发酵产量作为优化目标,流加率以及pH、DO作为优化变量,分别利用改进的蚁群算法、基本的蚁群算法或遗传算法对同一发酵过程进行优化,通过比较,结果表明改进的蚁群算法寻优性能较好,速度较快。对酒精和多粘菌素的发酵过程采用改进的蚁群算法优化后,最终的发酵产物产量得到了提高。在对发酵过程建模与优化方法研究的基础上,利用VB在界面设计方面的优势,结合Matlab强大的计算仿真功能,设计了一套发酵过程建模与优化软件,把发酵过程的建模、优化及其动力学仿真研究融入进去。这样不仅有利于对发酵过程机理的了解,减少实验的次数以及费用,而且有助于实现对发酵过程的监控和优化控制。