论文部分内容阅读
微生物发酵过程是极其复杂的生物反应过程,具有高度的非线性、时变性和相关性,因而获得更多的过程状态变量,掌握更多的反应过程信息,是进一步研究微生物发酵过程和提高生产效率的首要前提。但是在实际的工业生物发酵过程中,由于工艺和技术的限制,能在线测量的参数仅局限于某些物理、化学参数,而对于一些比较复杂但又很重要的生物参数,则难以实现在线检测,软测量技术为解决此问题提供了一条有效的途径。 本文以工业阿维菌素发酵过程中的菌丝浓度为应用背景,在深入分析微生物发酵过程的特点和机理的基础上,介绍了软测量技术中常用的方法以及工具,结合前人研究的成果,提出了基于核函数主元分析(KPCA)和径向基函数神经网络(RBFNN)相结合的软测量建模方法,并结合阿维菌素发酵过程现场数据建立了菌丝浓度软测量模型。本文主要内容如下: 1.介绍了微生物发酵工业控制的发展现状和重要意义,针对实际发酵过程重要参数测量存在的问题,提出使用软测量技术的解决办法,同时介绍了常见的软测量建模方法和影响软测量模型性能的因素。 2.详细介绍了微生物发酵过程工艺、反应机理以及各微生物发酵过程参数的相关性和软测量的可行性,重点阐述了微生物发酵过程建模、控制与优化之间的关系。 3.详细介绍了人工神经网络,重点介绍了两种应用最广泛的人工神经网络类型:BP神经网络和RBF神经网络,并对人工神经网络在非线性系统建模中的优势和缺点作了阐述。 4.在研究了建立软测量模型的基础上,提出将KPCA与RBFNN相结合的软测量建模方法,并以菌丝浓度为应用背景,给出了基于KPCA-RBFNN的微生物发酵过程软测量技术实现流程。 5.重点研究了工业阿维菌素发酵过程中的软测量技术应用。结合阿维菌素发酵过程的现场数据,分别建立了基于KPCA-RBFNN和KPCA-BPNN的阿维菌素发酵过程菌丝浓度软测量模型,并对应用结果进行比较分析,指出KPCA在发酵过程软测量建模中的优势。 6.最后对全文进行了总结,对软测量技术的发展进行了展望。