基于诺西肽分批发酵的过程建模

诺西肽是一种含硫多肽类抗生素，该抗生素能明显促进动物生长，而且在动物体内无残留，是一种优良的非吸收型饲料添加剂。以分批发酵工艺过程为对象，研究了基质浓度、押制物及菌体自身浓度对菌体生长的影响，建立了诺西肽的菌体生长模型、基质消耗模型、产物生成模型，以及溶解氧与操作变量（搅拌转速和通气量）的关联模型．在所建模型基础上，对诺西肽的分批发酵过程进行了仿真研究，仿真结果与实验结果基本一致。     

并联型混合建模方法在诺西肽发酵过程中的应用

针对诺西肽发酵过程中菌体浓度的估计问题,提出了一种并联型混合建模方法.该混合模型分两部分:机理模型部分和误差补偿模型部分.利用二氧化碳释放率方程与茵体生长动力学模型,推导出了一种新的茵体生长动态模型,并以此作为混合模型的机理模型部分;利用神经网络构成误差补偿模型部分,其中该部分的辅助变量是在分析与诺西肽发酵过程对应的非结构模型的基础上,根据隐函数存在定理选取的.实验结果验证了所提方法的有效性.     

复杂过程对象混合建模策略的研究

提出一种面向复杂过程的混合建模策略并应用于精馏塔的建模。混合模型包含基于基本原理的简化机理模型和基于神经网络的稳态、动态补偿机构。通过工况的识别以及模型参数的离线辨识和在线优化，混合模型可以准确地模拟复杂过程在大范围内的动态特性。仿真结果证明了混合建模策略的有效性。     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

混合编码方式自适应差分进化算法优化设计宽带天线

针对传统微带天线带宽窄的缺陷,提出了一种混合编码方式的自适应差分进化算法来优化展宽带宽。该方法先对贴片和地板采用网格编码进行粗优化,再对去除的贴片和地板部分采用基函数编码进行细优化,通过寻优得到了一款新型的宽带天线,带宽从11~15 GHz展宽到了9~17.5 GHz左右,天线带宽展宽率达到了112.5%。该方法计算精度高,通用性强,通过两步优化大大减小了计算量,基函数编码提供了优化天线的新思路。     

基于混合Petri网的图形建模仿真系统

将VC＋＋的面向对象思想引入混合Petri网建模、仿真技术的研究和开发，给出了面向对象的混合Petri网软件结构，研究了Petri网的创建方法，讨论了Petri网的系统维护以及Petrl网的存储结构等关键问题。在此基础上，设计了基于图形界面的混合Petri网建模仿真软件。对于具体实例，给出了该软件以人机交互方式建立、编辑、分析混合Petri网模型的过程。     

基于机理知识与最小二乘支持向量机的诺西肽发酵过程混合建模方法

提出了一种综合先验机理知识与最小二乘支持向量机的发酵过程混合建模方法。机理知识由两部分组成,一部分是表示发酵过程的质量平衡方程;另一部分是简单的过程参数估计模型。采用最小二乘支持向量机模型对这种简单估计模型进行校正,弥补它的不精确性。这种混合模型被应用到诺西肽发酵过程中进行生物量浓度、基质浓度与产物浓度的估计中,结果表明加入先验机理知识的混合模型增加了单纯的支持向量机模型的泛化能力。     

一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法.该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的.对复杂函数的寻优实验验证了混合差分演化算法的有效性.     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

多支持向量机融合建模的直线电机设计研究

主要研究多支持向量机融合建模方法,并使用差分进化算法对模型进行优化。以圆筒直线电机为研究对象,采用有限元法、正交实验设计与随机实验设计结合方法获得直线电机非参数建模的样本空间,建立直线电机的快速计算模型,并验证模型的精度和效率;采用差分进化算法对直线电机结构进行优化设计,并采用有限元模型验证优化结果的可靠性。为多支持向量机融合算法提供了实际验证。     

基于支持向量机的青霉素发酵过程建模

由于微生物发酵过程的复杂性和高度非线性,更多的简单的数学模型不能很好地描述这类生化系统。支持向量机(SVM)是近几年发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数和局部极小点等实际问题。SVM方法建立了青霉素效价预估模型,此模型具有良好的拟合和泛化能力。通过实验分析了SVM参数调整对支持向量机建模的影响。通过由现场数据建立的各种模型可以发现,SVM建模方法优于神经网络(ANN)建模方法。     

氨糖发酵过程建模与工艺参数优化研究

针对目前生物传感器价格昂贵且检测精度低使得在氨糖发酵过程中难以获得准确实时的生物参数的现状,建立了最小二乘支持向量机模型以实现菌体浓度、产物浓度、底物浓度的预测。为了提高预测模型的精度,采用基于Levy飞行的改进多元宇宙算法对最小二乘支持向量机模型的若干参数进行优化。在此模型的基础上,以发酵完成时刻产物浓度最大为目标,通过改进的多元宇宙优化算法对发酵工艺参数进行了优化。仿真实验表明该方法取得了较高建模精度,提高了发酵最终产物浓度。     

间歇制浆蒸煮过程的混合建模方法探讨

本文在分析间歇蒸煮过程的经验模型和神经网络模型的基础上,提出了制浆蒸煮过程的混合建模方法,给出了混合模型的结构和算法.在对工厂的实际数据应用表明,该混合模型的结构和算法是有效的.     

基于混合ANN-Petri网的过程控制建模

针对混有离散事件的连续化工过程,提出了基于混合ANN-Petri网的控制建模方法.采用神经网络与Petri网的有效结合,较好地描述了化工过程连续和离散的混杂特性,并以某化工蒸发过程为例,进行了详细的讨论和分析,建立了混杂过程的控制模型,并且给出了仿真结果.     

超启发式DE算法求解零等待发酵工艺调度

为解决具备间歇过程特点的零等待发酵工艺调度过程中易变质的难点,提出了一种超启发式差分算法,并将最小化最大完工时间设置为优化目标。此算法分为2层,高层为改进的自适应差分进化算法,来对低层的启发式操作进行选择排序。而低层组合排序成了新的算法对问题域进行操作,加入模拟退火算法避免陷入局部最优。所提出的方法具有学习的机制,对不同问题具有较强的泛化能力。通过测试算例和实际生产进行算法的比较和求解验证了此算法的有效性,结果表明所提出的算法比传统的启发式算法性能更优。     

一类间歇化工过程的热集成调度模型化研究

针对一类间歇化工过程的热集成调度问题,提出了广义MILP数学模型.该模型充分考虑了产品的需求、中间产品的储存、各个时刻的到货量等因素,比现有模型更为全面的考察了间歇过程热集成调度问题.