谷氨酸發(fā)酵過程的故障診斷研究.pdf

1、本論文給出了基于多向主元分析的過程故障辨識(shí)機(jī)理及策略，并建立了基于變量展開的多向主元分析模型的谷氨酸發(fā)酵故障診斷體系。通過考察SPE統(tǒng)計(jì)量和HotllingT2統(tǒng)計(jì)量發(fā)現(xiàn)，正常發(fā)酵過程撐4的SPE統(tǒng)計(jì)量和HotllingT2統(tǒng)計(jì)量始終沒有超過各自的置信度為95％的控制限。而在非正常發(fā)酵＃6中，SPE統(tǒng)計(jì)量在第12h時(shí)超過了其置信度為95％的控制限，由此可以判斷在谷氨酸發(fā)酵過程中出現(xiàn)了不正常的情況。然后通過異常發(fā)酵罐批＃6的過程變量對(duì)SP

2、E貢獻(xiàn)圖分析得知，在第12h時(shí)，轉(zhuǎn)速對(duì)SPE統(tǒng)計(jì)量的貢獻(xiàn)值最大，說明了在12h攪拌轉(zhuǎn)速出現(xiàn)了問題。 本論文探討了利用自我聯(lián)想型神經(jīng)網(wǎng)絡(luò)(AANN)對(duì)谷氨酸發(fā)酵過程進(jìn)行在線故障診斷的有效性和實(shí)用性研究。自我聯(lián)想型神經(jīng)網(wǎng)絡(luò)是一種帶瓶頸層的、5層結(jié)構(gòu)的特殊神經(jīng)網(wǎng)絡(luò)。通過對(duì)發(fā)酵過程的表觀變量進(jìn)行適當(dāng)篩選，最終選取了OD620、RPM、OUR、CER和氨水消耗量數(shù)據(jù)5個(gè)變量輸入到結(jié)構(gòu)為5-6-2-6-5的AANN網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，不同性能的

3、發(fā)酵過程可以得到聚類，利用評(píng)價(jià)指標(biāo)J可以對(duì)谷氨酸發(fā)酵進(jìn)行故障診斷。批次＃4、＃5的J值自始至終沒有達(dá)到或接近“控制極限”，可認(rèn)定為是正常發(fā)酵。而批次＃6的J值，在第12h左右超過“控制極限”，并延續(xù)5-6h左右才開始回落。據(jù)此可以判斷在這段時(shí)間內(nèi)，谷氨酸發(fā)酵出現(xiàn)了故障。批次＃7的J值在12.5h超過了“控制極限”，實(shí)驗(yàn)人員接到報(bào)警信號(hào)后經(jīng)過分析并對(duì)故障進(jìn)行了處理，16h時(shí)使谷氨酸發(fā)酵恢復(fù)正常，并最終使谷氨酸濃度達(dá)到了56.3g/L的水平