基于改進FNN的青霉素發(fā)酵過程軟測量建模與實現(xiàn).pdf

1、隨著生物技術的發(fā)展,微生物發(fā)酵工程在國民經濟和社會經濟中的重要作用日益突出。微生物發(fā)酵過程是一個具有高度非線性、時變性和遲滯性的生化反應過程,其內在機理非常復雜。采用軟測量技術實現(xiàn)發(fā)酵過程中難以在線測量的關鍵生物量參數(如基質中濃度、菌絲濃度、產物濃度等)的預測,對發(fā)酵過程進一步的優(yōu)化控制有著重要的意義。
　　 本文以青霉素發(fā)酵過程為研究對象,在總結各種軟測量建模方法基礎之上,對傳統(tǒng)模糊神經網絡算法進行改進,建立基于動態(tài)模糊神經

2、網絡的軟測量模型。在此基礎之上,采用粒子群算法對動態(tài)模糊神經網絡軟測量模型參數進行優(yōu)化。對青霉素發(fā)酵過程的關鍵生物量參數利用上述軟測量模型進行預估。并設計了以PLC作為核心控制器的發(fā)酵過程數字化系統(tǒng)。主要研究工作如下:
　　 (1)采用動態(tài)模糊神經網絡建立青霉素發(fā)酵過程軟測量模型。系統(tǒng)采用高斯隸屬度函數和T-范數乘積算子,并利用動態(tài)的學習方法實現(xiàn)模糊神經網絡結構和參數的辨識。使得軟測量模型的復雜度降低,進一步提高了模型的穩(wěn)定性,

3、仿真結果表明該模型能夠以較高的精度預測關鍵生物量參數。
　　 (2)在動態(tài)模糊神經網絡建模的基礎上,采用粒子群算法對模型參數進行優(yōu)化,同時應用動態(tài)學習算法對網絡的結構進行優(yōu)化,實現(xiàn)網絡結構和參數的全局優(yōu)化調整,設計了改進算法的動態(tài)模糊神經網絡模型。由于結合了粒子群算法的全局搜索功能,仿真結果表明改進的動態(tài)模糊神經網絡軟測量模型能夠更加有效、快速地逼近真實值,預測精度較高。
　　 (3)將軟測量模型應用到實際發(fā)酵過程中,設