基于HAFBPLS的透明質(zhì)酸生產(chǎn)軟測量技術研究與實現(xiàn).pdf

1、隨著現(xiàn)代科技的發(fā)展，人們生活水平的提高，現(xiàn)代工業(yè)對于生產(chǎn)的要求也越來越高，特別是在時效性、節(jié)能性、便捷性、可追溯性等方面更為突出。例如，在基于發(fā)酵方法為基礎的化工制藥等領域，僅僅獲取溫度、罐壓、液位、PH值等已經(jīng)不能滿足工業(yè)生產(chǎn)中對工藝操作和控制的要求。由于工業(yè)發(fā)酵生產(chǎn)中常常涉及各種復雜、非線性的物質(zhì)轉(zhuǎn)換和能量的傳遞，使得對某些關鍵過程變量測量變的很困難。要想獲得這些某個利用現(xiàn)有技術不能獲取的參數(shù)變量，除了需要高精度的傳感器外，更重要的

2、是需要對能夠檢測到的各種參數(shù)進行綜合分析，發(fā)現(xiàn)未知參數(shù)和已知參數(shù)的關聯(lián)關系，建立相應的模型，最終得到這些未知參數(shù)變量的值。目前常用的方法可以分為兩類：一類是傳感器直接測量方法，一類是人工檢測方法。人工檢測方法不僅經(jīng)濟代價比較大，而且比較耗時。目前在發(fā)酵法生產(chǎn)透明質(zhì)酸行業(yè)，還沒有一種比較好的方法對其發(fā)酵產(chǎn)物的濃度進行檢驗和預測。本文針對以上問題，通過建立相應軟測量模型，對透明質(zhì)酸濃度進行預測分析。最后介紹了“發(fā)酵過程遠程監(jiān)控系統(tǒng)”的核心模

3、塊和實現(xiàn)。
　　本文的主要的工作如下：
　　(1)分析了目前主流的軟測量模型建模方法和步驟，主要包括：支持向量機和神經(jīng)網(wǎng)絡，并對不同建模方法的優(yōu)缺點進行了分析。針對透明質(zhì)酸預測的實際情況選擇最小二乘支持向量機作為建模的算法。結(jié)合透明質(zhì)酸發(fā)酵的影響因素，詳細說明了通過計算各個變量對目標變量影響因子的大小，來構(gòu)建最合適的軟測量模型，并對建模的步驟詳細說明。
　　(2)提出了HAFBPLS(Hyaluronic Acid F

4、orecast Based on PSO and LS-SVM，基于PSO和LS-SVM的透明質(zhì)酸預測方法)預測透明質(zhì)酸濃度模型。選擇粒子群算法(PSO)對軟測量模型的參數(shù)進行優(yōu)化。分析了選擇粒子群算法作為最小二乘支持向量機軟測量模型(LSSVM)參數(shù)優(yōu)化算法的原因，詳細論述了粒子群算法優(yōu)化的原理及其實現(xiàn)步驟。對PSO-LSSVM和以其他主流優(yōu)化算法（遺傳算法)軟測量模型的精確度進行了實驗對比，結(jié)果顯示PSO-LSSVM具有較高預測精度