生物发酵过程是现代流程工业中常见的一种生产方式,被广泛应用于医药、酿酒、生化制品等生产。由于生物发酵过程机理复杂,数据重复性较差,很难用确定性数学模型来描述,因此,采用神经网络或统计过程控制等数据驱动技术就成为解决此类复杂非线性的生化反应系统的有效途径,并成为近年来过程控制领域的研究热点之一。生物发酵过程状态预报与性能监控从历史生产数据出发,通过建立基于数据驱动的预报、监控与故障诊断模型,并用于监视生产过程的进行,及时发现并消除过程的异常状况,实现过程的高效、安全、稳定的运行,最终达到提高产品质量一致性和企业经济效益目的。本文以神经网络和统计过程控制技术为主线,利用发酵过程丰富的数据信息,运用人工智能技术(支持向量机、神经网络和智能数据库技术)和多元统计方法,系统地研究了发酵过程状态变量的软预报、经济效益的在线评估、过程的在线监控与故障诊断等若干问题,对传统的基于数据驱动的分析方法作了不同程度的改进,提出了一些改进的在线预报和监控方法。具体内容包括:(1)采用人工神经网络,研究了一种以滚动学习为核心的预估器,探讨了滚动学习预测方法、训练数据库的生成和动态更新,较好地解决了过程关键状态如产量和产物浓度等的宽区间、高精度预报问题,并对预估器的性能进行了综合评估。(2)引入了效益函数的概念,分析了其现实意义,然后对于效益函数的在线计算作了详细的分析介绍,并基于产物浓度的预报值计算得出了效益函数的预报值,同时阐述了异常罐批的概念,介绍了一种实现对异常罐批早期诊断的方法。(3)针对生物发酵过程机理复杂,难以建立精确模型,但过程数据丰富的特点,提出了基于数据驱动的两种在线监控方法:滚动MPCA和核函数MPCA。滚动MPCA方法可用于描述过程的非线性滚动特性,它在监视过程中将k时刻的数据集合和k时刻的子统计模型相比较,只需当前时刻数据,无须预报有关变量的走势,故和其它需要利用未来状态预报值的诊断技术相比,检测精度高、实时性强;而基于核函数MPCA的故障诊断技术有效地解决了强非线性过程主元分析问题,能够及时诊断出故障。(4)提出了两种改进的MPLS方法:滚动MPLS和SVM-MPLS。通过将滚动MPLS方法用于青霉素发酵过程效益函数的软预报和故障诊断,仿真结果表明,该模型具有较快的预报速度和较高的预报精度,能够为实际生产过程调度提供了理论依据;SVM-MPLS方法在诊断故障的及时性方面优于线性MPLS,并能够通过贡献图实现故障的分离。(5)开发了应用于生物发酵过程控制的系统软件(BioAPC)。该软件基于发酵过程丰富的在线测量和离线分析数据,采用了人工神经网络、支持向量机、智能数据库、多向主元分析等数据驱动技术,可实现发酵过程关键状态变量的软预报、罐批经济效益的在线评估,以及围绕经济优化进行的车间罐批生产调度、发酵过程在线监控和故障诊断等功能。最后,在总结全文的基础上,提出有待进一步研究的课题和今后工作的重点。