木糖醇发酵过程的软测量研究

针对木糖醇发酵过程中木糖醇浓度不能在线测量和影响发酵过程控制的情况,使用软测量技术来估算木糖醇的浓度和底物浓度,使用动态BP网络作为软测量模型,并确定了10个隐含层节点的网络拓扑结构,使用LM算法训练网络。用未经训练的数据检验软测量模型,取得了满意的逼近效果。实现了木糖醇发酵过程木糖醇浓度和底物浓度的间接实时测量。     

基于DRFNN的赖氨酸发酵生物参数估计

赖氨酸发酵过程是一个复杂的非线性强耦合动态过程,发酵过程中某些关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测.针对这些问题,建立了基于动态递归模糊神经网络(DRFNN)的赖氨酸发酵生物参数估计软测量模型.利用主元分析法建立发酵过程中在线不可测参数的软测量模型,应用动态递归模糊神经网络所具有的自学习、自适应能力以及对任意非线性的逼近能力,对该模型进行辨识,从而达到预测这些关键生物参数的目的.仿真结果表明该方法能够对赖氨酸发酵过程中不可在线测量的生物参数进行估计,且达到了较高的精度.     

基于PSO-FNN逆的青霉素发酵软测量方法

青霉素发酵过程是一个严重非线性、时变、复杂的动态过程,发酵过程中一些关键参数(如菌体质量浓度ρX、基质质量浓度ρS和产物质量浓度(ρP)难以通过常规仪表在线测量,这些参数的获取非常耗时和困难。提出一种基于粒子群模糊神经网络逆(PSO-FNN逆)的软测量方法。首先给出青霉素发酵过程数学模型,然后根据逆系统理论证明其可逆性,在此基础上构建基于PSO-FNN逆的青霉素发酵软测量模型,最后通过仿真验证该方法性能。仿真结果表明:PSO-FNN逆的青霉素发酵软测量方法能够结合基于发酵机制和纯数据驱动2种软测量方法的优点,对不直接可测的关键参数实现在线软测量,较PSO-BPNN逆和PSO-BPNN软测量方法具有更高的预测精度和更强的预测能力。     

基于OPC技术和果蝇优化广义回归神经网络的海洋蛋白酶发酵过程软测量

鉴于海洋生物酶发酵过程中关键生物参数难以实时在线测量的问题,提出了一种基于果蝇优化算法(Fruit fly optimization algorithm,FOA)的广义回归神经网络(Generalized regression neural network,GRNN)与面向过程控制的对象链接与嵌入技术相结合的软测量方法。GRNN的非线性映射能力强、学习速度快,但GRNN的预测性能受平滑因子的影响比较大,因此利用FOA对GRNN的平滑因子进行寻优,以提高模型的泛化能力,采用OPC技术可以实现MATLAB和组态王之间的数据通讯,将预测的关键生物参数值传送给组态王进行实时显示与存储。通过采集海洋蛋白酶发酵过程的实验数据,建立基于FOA优化GRNN的海洋蛋白酶发酵过程关键生物参数(菌体质量浓度、基质质量浓度、酶活)的软测量模型,并与GRNN、BP神经网络、支持向量机(Support vector machine,SVM)进行对比。结果表明,基于FOA优化GRNN的软测量模型对训练样本的拟合能力和对测试样本的预测能力都远远超过GRNN、BP神经网络和SVM,通过OPC技术将MATLAB和组态王进行数据连接,实现了生物参数的实时在线测量,且系统运行的稳定性较好。     

最小二乘Littlewood-Paley小波支持向量机在发酵过程建模中的应用

针对谷氨酸发酵过程一些关键参数不能在线测量而导致的建模精度不高问题,利用最小二乘支持向量机(LSSVM)和小波的理论,建立了一种新的模型.首先,选取Littlewood-Paley小波函数作为LS-WSVM的核函数,进而设计出最小二乘小波支持向量机(LS-WSVM),然后利用该算法对谷氨酸发酵过程进行建模.通过实际应用,实现了对残糖浓度、菌体浓度、谷氨酸浓度等不能在线测量变量的较准确预测,相对于LSSVM建模而言,提高了一个数量级,预测误差也明显得到改善,说明了该建模方法的有效性,具有一定的推广和应用价值.     

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.     

基于非参数回归的发酵过程软测量建模

为了对发酵过程进行检测并分析发酵中产物的浓度,提出一种基于非参数回归的发酵过程软测量方法。该方法直接利用未经处理过的历史数据,采用多维窗宽选择方法确定窗宽,通过计算待估计点与历史数据库中其他时刻点数据的距离来确定该时刻点的权值,从而达到软测量建模的目的,并将其用于青霉素发酵过程产物浓度的测量。实验研究表明,所得软测量模型精度较高,能够有效地实现对青霉素发酵产物浓度的估计。     

基于参数相关分析的头孢菌素C发酵过程溶氧调控策略

运用多参数检测的生物反应器及其相关计算机软、硬件技术,对头孢菌素C发酵过程中表征细胞代谢的宏观代谢特征参数进行了检测与相关性分析,表明发酵前期菌体形态分化有利于增加溶氧,膨大、断裂菌丝的形成能够启动头孢菌素C合成;发酵中期添加豆油为菌体提供碳源、同时兼作消泡剂,发酵后期添加豆油仅起消泡剂作用。在以上分析的基础上从过程理论上提出了头孢菌素C发酵中溶氧控制的策略。     

生物量参数实时在线检测技术的应用研究

简要介绍了锁相放大器的基本构成，分析了锁相放大器实现微弱信号检测的原理，设计了利用锁相放大在线检测微生物发酵过程生物量参数（菌体细胞浓度）的检测电路与检测系统，并且实验验证了该检测方法的可行性，该检测技术可以用于生物发酵过程菌体细胞浓度的实时在线监测。     

利用溶氧作为控制信号补料分批培养生产PHA的研究

利用已构建的工程菌Escherchia coli XL1-Blue(pKSABC),在20L自动发酵罐里进行补料分批培养。研究表明,底物浓度、温度、pH、DO等参数是影响菌体生长和PHA积累的重要因素;通过补料分批培养可以提高PHA的积累量。通过对DO在发酵过程中的变化规律的分析,确定DO作为补料时间的在线控制信号。补料的原则是,使发酵前期菌体大量生长,发酵后期PHA大量积累。在优化条件下,对工程菌Escherchia coliXL1-Blue(pKSABC)进行了60 h的补料分批培养,菌体浓度、PHA浓度和PHA占细胞干重的百分比分别为179g/L,132g/L,73.7%。     

合成醋酸乙烯的空时得率和催化剂选择性软测量

以某石化厂乙烯气相法合成醋酸乙烯反应过程的空时得率和催化剂选择性软测量建模为研究对象,基于现场采集数据及机理分析,确定了辅助变量.在对现场数据进行处理的基础上,建立了基于径向基函数神经网络的多输入多输出神经网络软测量模型,取得了较好的效果.仿真结果表明,模型精度达到了工艺要求,可用于指导生产,为实现先进控制和优化控制创造了条件.     

基于主元分析（PCA）的显著误差检测与校正及应用

在风粉浓度软测量的测量数据中出现显著误差,将会严重恶化测量数据品质,破坏数据统计特性,导致软测量失败,因此显著误差检验和校正是误差处理的首要任务。本文讨论了基于主元分析(PCA)的显著误差检测与校正原理,运用Q统计方法,结合贡献图对某电厂热风送粉系统风粉浓度软测量中可能出现的显著误差进行了仿真分析,结果表明,基于PCA主元分析的显著误差检验和校正方法在风粉浓度软测量工业应用中可行。     

基于支持向量机与遗传算法的发酵过程软测量建模

提出了基于支持向量机的生物量浓度在线估计软测量建模方法,采用遗传算法进行模型输入的选择与支持向量机参数的选取,目的是找到对模型估计结果贡献最大的输入特征变量,降低了输入空间维数,缩小了求解问题的规模,从而减低计算方面的难度,减少了训练实际,同时又通过参数的调整,得到更好的决策函数,提高支持向量机的性能.模型的训练与验证数据都是取自实际的实验过程——诺西肽发酵.结果表明采用遗传算法进行优化的支持向量机软测量模型对生物量质量浓度具有好的预估性能.     

一种双酚A结晶单元软测量建模的方法

单一软测量模型难以精确描述复杂生产过程的特性,为了有效处理生产过程的强非线性、大工况范围等复杂特性,提出了一种基于模糊c均值聚类算法(FCM)和支持向量机(SVM)的多模型建模方法,同时结合一种满意聚类算法进行聚类数c的确定。在对双酚A结晶单元工艺分析的基础上,将该方法应用于双酚A结晶单元的软测量建模,仿真结果证实了该建模方法的有效性。     

软测量技术进展

软测量技术是二十世纪六、七十年代涌现的一种为控制过程建立模型的新技术,被列为未来控制领域需要研究的几大方向之一。本文主要从软测量多模型结构和支持向量机在软测量中的应用等方面对近几年来软测量技术的进展进行了介绍,并提出进一步的思考。     

酶电极法测定谷氨酸片中谷氨酸含量

以谷氨酸氧化酶(EC 1.4.3.11)与过氧化氢电极构成电流型酶电极,研究了谷氨酸酶电极分析法的各种分析条件及参数,并与旋光法对比测定谷氨酸片中谷氨酸含量。结果显示酶电极法测定结果与旋光法测定结果之间有较好的一致性,采用酶电极法测定谷氨酸片中谷氨酸含量具有专一性高、成本低、分析速度快等优点。     

基于模型迁移方法的回转窑煅烧带温度软测量

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS),首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温...     

软测量技术

软测量技术已经广泛地应用于过程控制领域，本文提出软测量技术所包括的主要内容，并逐一对其进行介绍。     

自适应软测量算法的汽车行驶状态估计

为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态.