抗生素发酵过程的模型辨识

分析了目前洁霉素发酵过程中确定补料量存在问题.提出了基于神经网络的辨识方法建立洁霉素发酵过程逆动力学模型的方案.以生产发酵批报为基础,精选出率高的批报数据作为教师数据,采用遗传算法和BP算法相结合的混合算法对网络进行训练,建立了实用模型,并进行了实验验证.结果表明该辨识模型是可行的,具有实用价值.     

改进BP网络在重组大肠杆菌高密度发酵中的应用

目的 将改进BP网络应用于重组类人胶原蛋白工程菌高密度发酵过程分析.方法 通过添加动量项和可变学习速度的方法对传统BP网络算法进行改进.结果 确定了5-9-1的网络结构,选择15组发酵实验数据对其进行训练.改进的方法对网络的收敛起到明显效果.得到的发酵过程BP网络模型收敛性和预测性能较高,平均相对误差仅2.42%.结论 该模型较传统动力学模型误差更小,更接近实验过程.     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.     

基于PSO-ANN逆的发酵过程软测量建模

针对发酵过程中一些关键生化参量难以通过常规仪表实时测量,而制约发酵生产过程优化控制的问题,提出一种基于粒子群神经网络逆(PSO-ANN逆)的发酵软测量建模方法.以青霉素发酵过程为背景,首先建立其虚拟子系统数学模型,并构建发酵过程逆模型;其次,提出PSO-ANN逆的软测量实现方法,以克服解析法逆运算的复杂性甚至难于实现的问题;最终构建PSO-ANN逆软测量模型,并进行试验及仿真.结果表明:该软测量建模方法能够将机理建模与数据驱动建模方法相结合,充分利用对象模型的先验知识和经验数据,有效解决了青霉素发酵过程中不可在线测量的关键参量实时测量难题,其训练和测试误差分别达到0.037 2和0.046 1,模型具有较高的预测精度和较强的预测能力.     

基于改进粒子群算法的诺西肽发酵过程优化

在诺西肽补料分批发酵动力学模型的基础上建立了诺西肽发酵过程产量优化模型,根据发酵工艺选取了决策变量,并确定了变量的边界约束范围.针对标准粒子群算法在求解复杂优化问题时易于陷入局部最优的问题,利用混沌序列具有随机性和遍历性的特点,引入混沌迁移算子,提出了一种改进的粒子群算法.利用改进算法对所建立的诺西肽发酵优化模型进行求解,大大提高了最终产物的产量,证明了所提改进粒子群算法的有效性.     

采用非线性粒子群算法的同步糖化发酵参数辨识

为进一步优化同步糖化发酵(SSF)工艺,在经典发酵动力学的基础上,总结出SSF工艺中的还原糖变化方程,并采用自适应粒子群优化(PSO)算法进行菌体生长、产物生成以及还原糖消耗的模型参数辨识.通过比较分析线性和非线性动态变化惯性权重的自适应PSO算法在动力学参数辨识过程中的优劣,确定了非线性方法的快速收敛特性.结果表明:模型的拟合值与实验数据比较接近,即利用这些模型来反映此SSF过程的机理具有一定的准确性和可靠性;通过非线性动态变化惯性权重的自适应PSO算法进行参数辨识具有一定的可行性和推广性,也为模型参数辨识提供了一种新思路.     

粘红酵母RG发酵产油脂动力学模型的构建

对粘红酵母RG摇瓶发酵产油脂的发酵动力学进行了研究.利用Origin 7.5软件拟合求出菌体生长、油脂合成和基质消耗的动力学模型参数.结果表明:实验数据与动力学模型能较好地拟合,所构建模型能较好地反映粘红酵母RG发酵产油脂的过程.     

变容体系中卡那霉素生物合成动力学模型参数灵敏度分析

在变容体系中卡那霉素发酵过程动力学研究的基础上,构建了过程动力学模型,并对10个模型参数进行了估计,各估计值均符合其物理意义,且模型与实验结果相吻合.对各参数进行了灵敏度分析,指出各参数对状态变量的灵敏度.     

谷氨酸发酵过程的混合建模

针对谷氨酸发酵过程时变、非线性、模型的不确定等问题,提出一种综合机理知识与改进最小二乘支持向量机的发酵过程混合建模方法.采用改进最小二乘支持向量机模型对动力学模型估计值进行校正,弥补动力学模型的不精确性.将混合模型应用到谷氨酸发酵过程的谷氨酸质量浓度、基质质量浓度与菌体质量浓度的预测估计中,结果表明混合模型提高了单纯的机理模型的预测精度.     

生化过程的神经网络组合模型

用神经网络描述未知的反应动力学参数，结合反应器物料平衡方程，提出了生化过程的神经网络组合模型。并提出了特别适合微生物发酵过程的Ｍｏｎｏｄ饱和型和基质抑制型的神经元传递函数。在Ｈｅｂｂ学习的基础上，引入教师指导信号，提出了神经网络误差一次反向传播的快速学习算法。将此组合模型用于某流加发酵过程状态变量和动力学参数的在线估计，仿真研究获得了满意的结果。组合模型具有训练速度快、预测精度高等优点，为动力学结