微生物發(fā)酵過(guò)程的LS-SVM軟測(cè)量及工程化技術(shù)研究.pdf

1、微生物發(fā)酵工程作為現(xiàn)代生物技術(shù)的重要組成部分,具有廣闊的應(yīng)用前景。然而微生物發(fā)酵是一個(gè)強(qiáng)耦合、慢時(shí)變、高度非線性的過(guò)程,其內(nèi)在機(jī)理非常復(fù)雜,許多影響著發(fā)酵產(chǎn)物產(chǎn)量和質(zhì)量的關(guān)鍵生物量參數(shù)(如基質(zhì)濃度、菌體濃度以及產(chǎn)物濃度等)難以用傳統(tǒng)的傳感器直接測(cè)量,專用的生物傳感器價(jià)格昂貴、維護(hù)費(fèi)用高,應(yīng)用起來(lái)具有很大的局限性,因此會(huì)給整個(gè)發(fā)酵過(guò)程的在線監(jiān)測(cè)和優(yōu)化控制帶來(lái)很大困難。近年來(lái)提出的軟測(cè)量技術(shù)是一種解決上述難題的有效方法。
　　 針對(duì)

2、上述問(wèn)題,本文以賴氨酸發(fā)酵過(guò)程為研究對(duì)象,在研究了多種軟測(cè)量建模方法的基礎(chǔ)上,提出了一種基于最小二乘支持向量機(jī)的軟測(cè)量建模方法。分別運(yùn)用粒子群優(yōu)化和貝葉斯推斷兩種算法優(yōu)化設(shè)計(jì)模型參數(shù),建立基于最小二乘支持向量機(jī)的軟測(cè)量模型,并對(duì)賴氨酸發(fā)酵過(guò)程中的關(guān)鍵生物量參數(shù)進(jìn)行了預(yù)估。最后設(shè)計(jì)了以PLC為核心控制器的賴氨酸發(fā)酵過(guò)程數(shù)字化控制系統(tǒng)。本文的主要研究工作以及取得的研究成果如下:
　　 1)針對(duì)微生物發(fā)酵過(guò)程中關(guān)鍵生物量參數(shù)難以直接在

3、線測(cè)量的問(wèn)題,提出了一種基于最小二乘支持向量機(jī)的軟測(cè)量方法。構(gòu)造了一個(gè)以可直接測(cè)得過(guò)程變量為輸入、不可直接測(cè)得過(guò)程變量為輸出的非線性模型,然后利用最小二乘支持向量機(jī)對(duì)該非線性模型進(jìn)行辨識(shí)。最后對(duì)賴氨酸發(fā)酵過(guò)程中不可直接測(cè)得的關(guān)鍵生物量參數(shù)進(jìn)行了預(yù)估,離線化驗(yàn)結(jié)果驗(yàn)證了建立的軟測(cè)量模型具有很好的學(xué)習(xí)精度和泛化能力。
　　 2)軟測(cè)量建模時(shí),針對(duì)最小二乘支持向量機(jī)的模型參數(shù)優(yōu)化問(wèn)題,引入粒子群優(yōu)化算法和貝葉斯推斷算法分別對(duì)最小二乘支

4、持向量機(jī)的模型參數(shù)進(jìn)行優(yōu)化選擇。即第一種方法利用發(fā)酵過(guò)程中可在線測(cè)量的重要輔助變量和一些離線化驗(yàn)的主導(dǎo)變量作為模型輸入,采用粒子群優(yōu)化算法求解一個(gè)二次規(guī)劃問(wèn)題,從而確定最小二乘支持向量機(jī)的模型參數(shù):第二種方法依據(jù)所選的訓(xùn)練樣本信息,根據(jù)貝葉斯準(zhǔn)則,分三級(jí)逐步推斷確定最小二乘支持向量機(jī)模型的參數(shù),進(jìn)而建立基于最小二乘支持向量機(jī)的軟測(cè)量模型。
　　 3)設(shè)計(jì)了一套以西門子S7-200PLC作為核心控制器的發(fā)酵過(guò)程數(shù)字化控制系統(tǒng)。將本