软测量技术是解决工业过程中复杂测量任务,实现难测量变量在线估计问题的有效手段,近年来在生物、化工方面的应用日益广泛。微生物发酵过程是复杂的非线性生化过程,要提高发酵产量和质量,实现发酵过程的优化控制,前提是准确测量发酵过程中生物量浓度。本文以最小二乘支持向量机(LS-SVM)为软测量建模的理论基础,针对生物浓度含量在线测量问题,建立基于LS-SVM的发酵过程软测量模型。本文结合发酵过程中生物量浓度的在线测量,围绕基于LS-SVM的软测量建模方法展开了研究。全文的主要研究内容归结为以下几个方面:(1)针对发酵过程GSH浓度含量难以在线测量这一难题,建立基于LS-SVM的软测量模型并仿真验证了模型的可行性。研究了发酵机理和辅助变量选择方法,并对样本数据进行了处理。(2)针对LS-SVM的软测量模型在测量精度及泛化能力上的欠缺,用小波变换对LS-SVM模型进行改进,建立了基于W-LSSVM的发酵过程软测量模型。仿真实验结果表明,基于W-LSSVM的GSH浓度含量软测量模型测量精度高、泛化能力强。(3)模型的参数是影响模型性能的一个关键因素,本文利用了遗传算法来优化LS-SVM正规化参数和RBF核函数参数,并且针对遗传算法的近亲繁殖问题,改进了传统的遗传算法,实验对比改进前后的两种GA参数选择方法,证实了改进的GA的性能更优越。据此提出了基于改进GA-WLSSVM软测量建模方法,建立了GSH浓度含量软测量模型,仿真结果表明改进GA-WLSSVM模型相对原W-LSSVM模型提高了测量精度,增强了跟踪能力。