諾西肽發(fā)酵過程生物參數(shù)軟測量方法的研究.pdf

1、發(fā)酵過程的控制是保證產(chǎn)品質(zhì)量與生產(chǎn)效率的關(guān)鍵因素。然而發(fā)酵過程的自動化控制卻發(fā)展緩慢。這主要是由于生物發(fā)酵過程往往要涉及成百上千個物理過程和化學反應(yīng)，其相互作用和影響使得發(fā)酵過程呈現(xiàn)出高度的非線性，使得發(fā)酵過程的建模變得非常困難；另外要想更好的控制發(fā)酵過程，就必須獲得足夠的發(fā)酵信息。發(fā)酵過程中物理參數(shù)與絕大多數(shù)化學參數(shù)，如溫度、壓力、pH值、溶氧濃度等都比較容易獲得，對它們的控制也易實現(xiàn)。然而對于一些復(fù)雜的生物參數(shù)，如生物量濃度、基質(zhì)濃

2、度、產(chǎn)物濃度、比生長率等很難實現(xiàn)在線測量，盡管人們努力在開發(fā)這類傳感器，但它們的實用性與可靠性仍十分有限，不能滿足實際需要，另外成本也比較昂貴?，F(xiàn)在這些參數(shù)仍然采用實驗室采樣分析方法進行檢測，這往往會產(chǎn)生較大的時間滯后，不能及時反饋數(shù)據(jù)信息，這就使發(fā)酵過程的控制與優(yōu)化受到了阻礙。軟測量技術(shù)是解決這一難題的有效途徑。它利用過程中的一些相關(guān)信息來估計這些不可在線檢測的變量，這種技術(shù)既容易實現(xiàn)又節(jié)約成本，是一種非常可行的辦法。本文以諾西肽發(fā)酵

3、實驗為研究背景，重點研究了基于支持向量機的軟測量方法與應(yīng)用。同時，在生物發(fā)酵過程控制系統(tǒng)基礎(chǔ)之上，給出了生物發(fā)酵過程軟測量技術(shù)的實現(xiàn)方法。本文的主要工作和創(chuàng)新包括以下內(nèi)容： 由于發(fā)酵過程具有很強的非線性，多變量輸入輸出的特性，采用單個模型利用過程的輸入輸出數(shù)據(jù)集合往往不能作出準確的估計，預(yù)估的泛化能力也很差，因為這樣沒有考慮到輸入信息(可測變量)之間的相關(guān)性和冗余性。首先本文根據(jù)多模型理論建立基于支持向量機的發(fā)酵過程生物量濃度的

4、軟測量模型，根據(jù)數(shù)據(jù)融合理論，將輸入信息進行分類得到一系列的子模型，然后再對這些子模型進行融合，形成最終的多模型結(jié)構(gòu)。多模型建模不但改善了最終估計的整體性能，而且估計的泛化性和魯棒性都有了明顯的提高。 針對黑箱模型過度依賴訓練數(shù)據(jù)，不具有實際物理意義等問題，本文綜合經(jīng)典的發(fā)酵機理知識與支持向量機方法，提出了串行結(jié)構(gòu)的混合模型，它以質(zhì)量平衡方程為輸出機理模型，利用支持向量機方法估計機理模型中重要的難以確定的參數(shù)，這種混合模型得出了

5、可靠而且泛化性能更好的結(jié)果，并且降低了對訓練數(shù)據(jù)大小的依賴程度。在上述串行混合模型的基礎(chǔ)上，加入了一些動力學模型，也就是說增加了部分機理知識，提出了串并行結(jié)構(gòu)的混合模型，這種混合模型得出的結(jié)果更加穩(wěn)定可靠，特別是在更加稀疏的訓練數(shù)據(jù)條件下。 在生物量濃度軟測量模型的基礎(chǔ)上進行了分批發(fā)酵過程中生長階段的劃分。這種方法充分考慮發(fā)酵過程中不同生長階段菌體的生長特性，采用不同的模型進行相應(yīng)的描述，從而進行菌體生長階段的劃分，同時該模型也