收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

生化过程动态建模及优化控制研究

王鲜芳  
【摘要】: 随着生物工程技术的迅速发展,生化工业在国民经济中的地位已越来越重要。然而由于生化过程反应机理复杂,具有非线性、时变性、模型的不确定性等特点,以及缺乏可靠的传感器用于过程变量的在线检测等原因,其自动化水平与其它工业生产过程相比还远未成熟。因此,探求合适的智能建模方法和优化控制策略,并将其应用于生化过程已成为生化工程领域一个重要的研究方向,这对于促进生化工程技术的发展,降低原材料和动力的消耗,提高经济效益有着极其重要的意义。 本论文的资助项目(863高技术重点发展项目子课题)“基于代谢工程和智能工程的新式、集约型发酵过程控制的工程化应用研究”就是针对生化工业的迫切需要而立项的,该项目研究的主要内容包括:1)研究以代谢模型为基础的发酵过程状态预测和推定、软测量、代谢流外部调控的普遍规律和关键技术;2)以代谢网络模型为基础的发酵过程在线控制技术的应用化研究;3)基于智能模型的发酵过程控制;4)研究基于智能模型的发酵过程数据采掘、多变量解析和在线故障诊断系统的关键技术,构建基于智能模型的发酵过程在线故障诊断/早期预警系统;5)过程控制示范装置和系统(报表、实时曲线、数据库等)。本课题针对1)、3)和5)进行研究,涉及的生化过程主要是谷氨酸补料分批发酵过程,所做的主要工作如下: 通过对生化过程建模和优化控制的国内外研究现状以及存在问题的分析,在研究常用生化模型的基础上,利用标准支持向量回归(SVR,Support Vector Regression)算法对谷氨酸发酵过程实施软测量建模,通过实验验证该模型能够完成对谷氨酸浓度、菌体浓度和残糖浓度三个不能在线测量的状态变量的预估。从预测结果可以看出尽管模型达到了一定的预测精度,但发现该模型不能在线学习,而且当数据量增大时,还存在训练时间过长的问题。 针对SVR软测量建模存在的问题,在充分研究最小二乘支持向量回归LSSVR (Least Square Support Vector Regression)算法的基础上,对谷氨酸发酵过程建立了基于LSSVR的软测量模型。通过实验发现,该模型尽管缩短了训练时间,但模型不能在线学习的问题依然没有解决。 针对LSSVR软测量建模存在的问题,通过研究在线最小二乘支持向量回归OLSSVR(Online LSSVR)算法,提出了带遗忘因子的MIMO-OLSSVR(Multi-input Multi-output OLSSVR)算法,并在谷氨酸发酵过程软测量建模中进行应用。为提高算法的自动化程度,采用免疫遗传算法IGA(Immune Genetic Algorithm)使MIMO-OLSSVR的参数在建模过程中能够自动选择。将所建的模型预估谷氨酸发酵过程,结果表明该模型在保证较短训练时间的情况下,通过模型在线学习,实现了谷氨酸浓度、菌体浓度和残糖浓度三个变量的在线同时预测,提高了预测精度。但以上建模方法属于黑箱建模,不能反映实际生化过程的操控特点。 为了能进一步探索生化过程的动力学特性,本文将混杂系统理论应用于谷氨酸补料分批发酵过程中,并建立了相应的混杂动力系统模型。在分段连续空间上,从理论角度证明了系统解的存在性、唯一性及解对初值和参数的连续依赖性。然后以产量最高为优化目标,利用混沌和单纯形法搜索合适补料操作变量。通过实验室的多次实验,证明该方法达到了提高产量的目的,为进一步研究生化过程控制提供一种新的理论思路。 针对实际生化过程一般的数学模型或软测量模型常常随着时间的推移会发生模型失效问题,合理利用离线数据和在线数据,充分利用各种模型的优点,提出了多模型融合建模方法,实现了对谷氨酸发酵过程的动态建模。通过研究标准粒子群优化算法、量子粒子群优化算法,针对项目要求的多目标优化问题,提出改进的多目标量子粒子群优化(MQDPSO)策略,并用Deb测试函数进行测试。然后结合多模型融合建模技术,对谷氨酸补料分批发酵过程实施动态优化,通过实际应用验证了该方法的可行性。 将改进的建模技术和控制策略融入集散控制系统中,能够进行实时状态预报和监控,实现了对谷氨酸补料分批发酵过程的建模和优化控制软件的模块化设计,便于在实际控制系统中的应用。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 ;谷氨酸,谷氨酰胺,焦谷氨酸共存时测定方法[J];发酵科技通讯;1982年04期
2 冯容保;;谷氨酸发酵过程分析[J];发酵科技通讯;1993年03期
3 董传亮;史仲平;;基于自联想神经网络的谷氨酸发酵故障诊断[J];生物学杂志;2009年03期
4 ;关于谷氨酸发酵中“OD”值的研究[J];发酵科技通讯;1984年01期
5 冯容保;;谷氨酸发酵过程分析[J];发酵科技通讯;1993年02期
6 高以成;崔雪松;兰石;吴嘉;;谷氨酸发酵过程的模型化和参数估计[J];生物工程学报;1985年03期
7 陶国琴;;浅述谷氨酸发酵中供氧水平的表示及测定[J];发酵科技通讯;1993年03期
8 章瑶;刘春波;潘丰;;最小二乘Littlewood-Paley小波支持向量机在发酵过程建模中的应用[J];东南大学学报(自然科学版);2008年S2期
9 刘晋生;肖晨;连钢;;谷氨酸发酵过程计算机智能控制的研究及其应用[J];发酵科技通讯;1991年01期
10 ;《发酵科技通讯》一九八一年总目录[J];发酵科技通讯;1981年04期
11 ;50[米]~3谷氨酸发酵过程的自动控制[J];发酵科技通讯;1981年04期
12 ;咨询与服务[J];发酵科技通讯;1986年01期
13 曹艳;丁健;段作营;刘立明;史仲平;;在线推定和控制葡萄糖浓度改善谷氨酸发酵性能[J];微生物学通报;2009年10期
14 丁健;曹艳;史仲平;;谷氨酸发酵过程葡萄糖自动流加系统[J];生物学杂志;2010年02期
15 周云龙;袁俊文;;基于小波神经网络的油气水三相流相含率的软测量方法[J];化学反应工程与工艺;2010年03期
16 郜有(广阴);邹海洋;;自动气体分析仪在谷氨酸发酵罐中的应用[J];发酵科技通讯;1983年02期
17 ;谷氨酸产生菌FM820—7菌株的一次性中糖发酵的研究[J];发酵科技通讯;1984年01期
18 ;《JLS-W型金属过滤器及其在谷氨酸发酵一级空气过滤中的应用》技术鉴定会[J];发酵科技通讯;1985年01期
19 赵鑫,金宁德,李伟波;油水两相流相含率的软测量方法[J];化工学报;2005年10期
20 吴德会;;一种基于近红外光谱技术的柴油在线软测量方法研究[J];光谱学与光谱分析;2008年07期
中国重要会议论文全文数据库 前10条
1 陈克兵;朱建宁;侍洪波;;基于RVM与COM技术的德士古气化炉炉温软测量系统[A];第二十七届中国控制会议论文集[C];2008年
2 孙玉坤;王博;丁慎平;;基于模糊支持向量机的赖氨酸发酵软测量[A];第二十七届中国控制会议论文集[C];2008年
3 周刚;彭威;;基于神经网络的核动力蒸汽发生器水位软测量方法研究[A];第一届中国核技术及应用研究学术研讨会摘要文集[C];2006年
4 王万成;戴先中;李训铭;;基于“内含传感器”逆的生物浸出过程关键变量的软测量[A];2009中国控制与决策会议论文集(3)[C];2009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 郭刚;陈兴明;;电液比例控制液压系统压力的软测量[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
7 赵忠盖;刘飞;;一种基于因子回归模型的软测量方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
8 唐晓;王佳;;软测量方法评价区域海水腐蚀性的研究[A];2004年腐蚀电化学及测试方法学术交流会论文集[C];2004年
9 冉维丽;胡玉玲;乔俊飞;;基于GABP神经网络的污水水质BOD软测量方法[A];第二十二届中国控制会议论文集(上)[C];2003年
10 刘瑞兰;周凌柯;;混合建模方法在PTA过程4-CBA含量软测量中的应用[A];全国自动化新技术学术交流会会议论文集(一)[C];2005年
中国博士学位论文全文数据库 前10条
1 王鲜芳;生化过程动态建模及优化控制研究[D];江南大学;2009年
2 于晓明;支持向量机及其在制浆过程重要参数软测量中的应用研究[D];陕西科技大学;2012年
3 任孝平;汽车状态软测量和车载组合导航系统故障检测技术研究[D];中南大学;2012年
4 杨强大;诺西肽发酵过程生化参数软测量方法的研究[D];东北大学;2009年
5 李凤玲;灌浆压力控制系统的关键技术研究[D];中南大学;2009年
6 吴燕玲;遗传规划及其在数据驱动软测量建模中的应用[D];浙江大学;2009年
7 李勇;磨矿过程参数软测量与综合优化控制的研究[D];大连理工大学;2006年
8 乔弘;火电厂热工参数软测量关键技术和方法研究[D];华北电力大学(北京);2009年
9 于涛;基于混合模型的软测量方法研究及其在发酵过程中的应用[D];北京化工大学;2006年
10 任会峰;基于泡沫图像的铝土矿浮选pH值软测量及应用[D];中南大学;2012年
中国硕士学位论文全文数据库 前10条
1 邹有锋;谷氨酸发酵过程控制系统研究[D];兰州理工大学;2012年
2 彭俊;谷氨酸发酵过程的建模与仿真研究[D];东北大学;2008年
3 甄玉山;基于过程神经网络的化工过程软测量研究[D];北京化工大学;2012年
4 程慕鑫;基于改进最小二乘支持向量机的颗粒粒度软测量研究[D];华东理工大学;2013年
5 周蓓蓓;明胶浓度的软测量建模及参数优化[D];兰州理工大学;2010年
6 朱懿峰;基于SOC的神经网络软测量平台设计与实现[D];浙江大学;2011年
7 巨稳;基于正交最小二乘的软测量建模方法研究[D];中国石油大学;2011年
8 王金荣;明胶浓度软测量建模研究[D];兰州理工大学;2012年
9 刘倩;基于模糊神经逆的青霉素发酵过程软测量应用技术研究[D];江苏大学;2010年
10 刘慧;新型干法水泥生产窑尾分解率软测量研究[D];济南大学;2010年
中国重要报纸全文数据库 前1条
1 记者何平 通讯员雷荣孝;兰州石化橡胶单体转化率在线检测技术国内领先[N];中国石油报;2010年
 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