收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

金霉素发酵过程软测量建模及优化控制策略研究

杨建文  
【摘要】:金霉素是一种四环类广谱抗生素,是金色链霉菌发酵过程的次级代谢产物,是掺入动物饲料中的八大抗生素产品之一。金霉素具有抑菌、饲料利用率高、促进动物生长、肌体残留量少、生产成本较低、技术相对成熟等特点,多年来一直是饲料工业中用量最大的抑菌促生长剂。但是金霉素是一种典型的次级代谢产物,其微生物合成机制十分复杂,反应机理很难准确构建,科学家们也仍然在积极探索金霉素生化过程的反应机理。因此要获得金霉素的高产率,除了精心进行金色链霉菌菌株的选育以及研发更适宜菌株生长的培养基外,对发酵生产过程进行优化控制是一种性价比较高的可有效促进菌株新陈代谢的方法。由于微生物发酵过程是分子水平上的遗传特性、细胞水平上的代谢调节和反应器工程水平上的传递特性综合过程的结果,其发酵过程存在时变、非线性、大滞后和不确定性的特性。本论文的研究工作是针对金霉素发酵过程,运用人工智能、信息技术以及机器学习技术研究软测量建模方法,基于软测量模型研究发酵过程的优化控制策略。现将研究工作归纳如下: 1.针对发酵过程一些不可在线检测的(或难测的)变量,提出一种基于数学模型估计和推理的软测量建模方法。软测量建模方法是基于生产过程可检测的物理参数、化学参数(或生物参数),通过建立机理模型、数据驱动模型或混合模型预报不可在线检测的过程变量。通过分析软测量建模过程中的基本步骤,如数据筛选、滤波、标准化以及模型的验证方法等,提出了建立性能可靠、鲁棒性和泛化能力强的软测量模型的方法,并将其应用于金霉素发酵过程的氨基氮、生物效价和总糖浓度测量。 2.在金霉素发酵过程中,氨基氮、生物效价和总糖浓度三个变量是整个发酵过程中无法在线检测但又非常重要的过程参数。本论文采用局部建模与全局建模方法,综合运用广义回归神经网络(Generalized Regression Neural Network, GRNN)预测模型、输出递归小波神经网络(Output Recurrent Wavelet Nerual Network, ORWNN)预测模型和自组织特征映射与最小二乘支持向量机(Self-Organizazing feature Map+LeastSquare Support Vector Machine, SOM+LSSVM)混合预测模型,对这三个关键变量建立了软测量模型,实现了发酵过程中可在线预测这三个变量的变化状态,为金霉素发酵过程实现优化控制奠定基础。 3.在金霉素发酵过程中,当有其他的杂菌微生物侵入时,会引起发酵液染菌,如果染菌严重会导致酵液污染并排放掉发酵液(即倒罐),这将浪费大量的生产原料,引起的生产秩序的混乱以及由于未及时消毒灭菌而引起其他生产罐发生染菌,将会造成不可估量的重大经济损失。本论文基于DSmT(Dezert-Smarandeche Theory)理论,运用信息融合技术对发酵过程中的多种可以间接反映过程染菌的信息进行组合,获得一些重要的染菌综合特征信息,通过现场数据进行仿真模拟实验,可有效地预报发酵过程是否被染菌,从而提高生产过程的安全性。 4.在金霉素发酵过程中,经常会发生一些异常故障,这些都会影响生产正常运行。本论文分析了金霉素发酵过程最常见的三种故障,即补糖计量罐故障、pH电极故障和溶解氧电极故障,提出了基于即时学习算法与分级核偏最小二乘法和多向混合高斯模型与分级核偏最小二乘法的故障检测和诊断模型。试验结果表明,该模型可获得良好的故障检测和诊断效果。 5.金霉素发酵过程属于多阶段间歇补料的批量生产过程,在生产过程中的每个阶段都对菌体生长有不同的期望和要求。为了实现金霉素发酵过程的优化控制,提高金霉素产品的产量和质量。本论文研究了发酵过程可进行自动阶段划分的算法,提出了对不同阶段进行补糖速率的优化控制方法,基于生产效益函数,实现了对发酵生产过程进行优化调度,使发酵生产过程的周期达到最优。 金霉素发酵过程是一个复杂的生化过程,在无法准确建立内部机理模型的条件下,要实现发酵罐的优化控制是一个具有挑战性的课题。基于对金霉素发酵输入输出特性的研究分析,运用软测量技术建立了难测参数的软测量模型,提出了发酵罐补糖速率优化控制算法。并基于Labview2010和SQL Server2010软件平台开发了一套金霉素发酵过程优化控制系统,通过实际应用表明,该系统确保了金霉素发酵过程的正常运行,提高了生产企业的自动化水平,减轻了工人的劳动强度,增加了企业的经济效益。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王卓;苑明哲;王宏;王天然;;水泥熟料质量指标的软测量建模研究[J];化工自动化及仪表;2006年06期
2 杨妍;陈如清;俞金寿;;基于混沌最小二乘支持向量机的软测量建模[J];华东理工大学学报(自然科学版);2009年06期
3 杜文莉;官振强;钱锋;;一种基于时序误差补偿的动态软测量建模方法[J];化工学报;2010年02期
4 陈定三;杨慧中;;粗糙分类器的多模型软测量建模方法[J];计算机与应用化学;2010年04期
5 李雅芹;周开武;杨慧中;;基于贝叶斯网络的软测量建模方法[J];计算机与应用化学;2010年10期
6 陈定三;杨慧中;;基于局部重构融合流形聚类的多模型软测量建模[J];化工学报;2011年08期
7 吕业;杨慧中;雷瑜;陶洪峰;;基于环路能量聚类的多模型软测量建模[J];化工自动化及仪表;2012年11期
8 张文清;杨慧中;;一种基于带监督局部保持投影的多模型软测量建模方法[J];华东理工大学学报(自然科学版);2012年06期
9 吕鸣;;基于神经网络的软测量建模[J];陕西煤炭;2012年06期
10 李修亮;苏宏业;褚健;;基于在线聚类的多模型软测量建模方法[J];化工学报;2007年11期
11 李修亮;苏宏业;褚健;;基于在线聚类和关联向量机的多模型软测量建模[J];化工自动化及仪表;2008年03期
12 马铭;孟庆锴;张利彪;;基于模糊系统优化的软测量建模[J];辽宁工程技术大学学报(自然科学版);2010年05期
13 杨强大;侯新宇;;诺西肽发酵过程中的分阶段软测量建模[J];化工学报;2011年06期
14 许博;杨慧中;;软测量建模中的数据校正[J];河北科技大学学报;2012年06期
15 马勇,黄德先,金以慧;动态软测量建模方法初探[J];化工学报;2005年08期
16 崔永超;张湜;王永华;;基于支持向量机的软测量建模方法的应用[J];南京工业大学学报(自然科学版);2007年03期
17 王洋课;费树岷;翟军勇;;基于聚类的多模型软测量建模及其应用[J];化工自动化及仪表;2010年01期
18 傅雨佳;杨慧中;陶洪峰;;基于最大矩阵元法确定聚类数的软测量建模方法[J];计算机与应用化学;2012年07期
19 曹鹏飞;罗雄麟;;化工过程软测量建模方法研究进展[J];化工学报;2013年03期
20 仓文涛;杨慧中;;无迹卡尔曼滤波器在催化剂失活软测量建模中的应用[J];计算机与应用化学;2013年12期
中国重要会议论文全文数据库 前10条
1 吕哲;常玉清;王福利;;生化过程软测量建模方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年
2 薄翠梅;张湜;李俊;;基于滚动时间窗的软测量建模方法的研究与应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 杜文莉;官振强;钱锋;;一种基于时序误差补偿的动态软测量建模方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
4 马铭;孟庆锴;张利彪;;基于模糊系统优化的软测量建模[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
5 王恩博;彭亦功;;软测量建模若干方法研究[A];中国仪器仪表学会2007学术年会智能检测控制技术及仪表装置发展研讨会论文集[C];2007年
6 张勇;王介生;王伟;姚伟南;;浮选生产过程经济技术指标的软测量建模[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
7 陈定三;杨慧中;;基于SVC-KNN的多模型软测量建模[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
8 周旦丽;蒋爱平;;WD-LSSVM在软测量建模中的应用[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年
9 刘欣;蒋爱平;;微粒群神经网络在软测量建模中的应用[A];上海市化学化工学会2006年度学术年会论文摘要集[C];2006年
10 凌玉华;杨欣荣;李海娜;廖力清;王颂;;铝电磁铸轧带坯晶粒度软测量建模及优化[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
中国博士学位论文全文数据库 前4条
1 李春富;基于数据的软测量建模方法及其应用的研究[D];清华大学;2005年
2 安莉;发酵过程生物量软测量建模专家系统研究[D];北京化工大学;2010年
3 傅永峰;软测量建模方法研究及其工业应用[D];浙江大学;2007年
4 杨建文;金霉素发酵过程软测量建模及优化控制策略研究[D];北京理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 王赛;青霉素发酵过程软测量建模方法的研究[D];东北大学;2010年
2 郭景华;基于数据驱动的软测量建模技术应用研究[D];江南大学;2009年
3 周开武;贝叶斯方法在化工软测量建模中的应用研究[D];江南大学;2009年
4 李雅芹;机器学习在软测量建模方面的若干应用[D];江南大学;2011年
5 骆中华;基于数据驱动的软测量建模技术及其工业应用[D];浙江大学;2006年
6 陈贵华;基于自适应模糊核聚类的多模型软测量建模研究[D];华东理工大学;2012年
7 王金荣;明胶浓度软测量建模研究[D];兰州理工大学;2012年
8 唐苦;基于聚类的多模型动态软测量建模方法[D];华东理工大学;2014年
9 雷瑜;机器学习在化工软测量建模中的若干应用[D];江南大学;2014年
10 万碧君;基于案例推理方法的改进及其在软测量建模中的应用[D];华东理工大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978