补料分批发酵过程中,补料策略影响发酵的产量,是发酵过程控制的关键问题。目前对补料量的控制大多数靠人工经验,其可靠性不高。对补料流加率的优化一般是通过对发酵机理模型的研究,根据发酵过程的可测物理参数进行最优化计算得出,控制效果因发酵过程的时变特性而存在缺陷。通过对发酵过程建模和优化控制进行研究,对提高发酵产物的产量有重大意义。本文以谷氨酸发酵过程为研究对象,对谷氨酸发酵过程建模和补料优化控制进行了研究。针对具有高度的非线性、时变性和不确定性的发酵过程,本文提出了基于结构化风险最小化原则的支持向量机(SVM)对谷氨酸发酵过程进行建模。核函数的选择是支持向量机理论研究的一个核心问题,通过对核函数的研究,将具有局部特性的RBF核函数与具有全局特性的多项式核函数结合起来,建立了谷氨酸发酵过程的混合核支持向量机(MKSVM)预估模型。仿真结果表明,该模型的学习能力和泛化能力均达到了良好效果。在谷氨酸预估模型的基础上,将发酵产量作为最优化目标,对补料流加率进行优化控制。通过对粒子群优化算法(PSO)和量子粒子群优化算法(QPSO)分析比较,提出采用QPSO对发酵补料过程进行优化。即以基质糖补料速率为主控制,求取补料优化轨线并加以控制,使得发酵终止时产物产量最高。谷氨酸发酵实验结果表明,采用该方法进行补料优化后,谷氨酸发酵产量有了一定提高。通过对谷氨酸发酵过程建模和补料优化控制的研究,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,采用混合编程的方式,设计开发了谷氨酸发酵过程软测量与补料优化软件。