生化過程動態(tài)建模及優(yōu)化控制研究.pdf

1、隨著生物工程技術的迅速發(fā)展，生化工業(yè)在國民經濟中的地位已越來越重要。然而由于生化過程反應機理復雜，具有非線性、時變性、模型的不確定性等特點，以及缺乏可靠的傳感器用于過程變量的在線檢測等原因，其自動化水平與其它工業(yè)生產過程相比還遠未成熟。因此，探求合適的智能建模方法和優(yōu)化控制策略，并將其應用于生化過程已成為生化工程領域一個重要的研究方向，這對于促進生化工程技術的發(fā)展，降低原材料和動力的消耗，提高經濟效益有著極其重要的意義。
　　

2、本論文的資助項目(863高技術重點發(fā)展項目子課題)“基于代謝工程和智能工程的新式、集約型發(fā)酵過程控制的工程化應用研究”就是針對生化工業(yè)的迫切需要而立項的，該項目研究的主要內容包括：1)研究以代謝模型為基礎的發(fā)酵過程狀態(tài)預測和推定、軟測量、代謝流外部調控的普遍規(guī)律和關鍵技術；2)以代謝網絡模型為基礎的發(fā)酵過程在線控制技術的應用化研究；3)基于智能模型的發(fā)酵過程控制；4)研究基于智能模型的發(fā)酵過程數(shù)據(jù)采掘、多變量解析和在線故障診斷系統(tǒng)的關鍵

3、技術，構建基于智能模型的發(fā)酵過程在線故障診斷/早期預警系統(tǒng)；5)過程控制示范裝置和系統(tǒng)(報表、實時曲線、數(shù)據(jù)庫等)。本課題針對1)、3)和5)進行研究，涉及的生化過程主要是谷氨酸補料分批發(fā)酵過程，所做的主要工作如下：
　　 通過對生化過程建模和優(yōu)化控制的國內外研究現(xiàn)狀以及存在問題的分析，在研究常用生化模型的基礎上，利用標準支持向量回歸(SVR，Support Vector Regression)算法對谷氨酸發(fā)酵過程實施軟測量建模

4、，通過實驗驗證該模型能夠完成對谷氨酸濃度、菌體濃度和殘?zhí)菨舛热齻€不能在線測量的狀態(tài)變量的預估。從預測結果可以看出盡管模型達到了一定的預測精度，但發(fā)現(xiàn)該模型不能在線學習，而且當數(shù)據(jù)量增大時，還存在訓練時間過長的問題。
　　 針對SVR軟測量建模存在的問題，在充分研究最小二乘支持向量回歸LSSVR(Least Square Support Vector Regression)算法的基礎上，對谷氨酸發(fā)酵過程建立了基于LSSVR的軟測量

5、模型。通過實驗發(fā)現(xiàn)，該模型盡管縮短了訓練時間，但模型不能在線學習的問題依然沒有解決。
　　 針對LSSVR軟測量建模存在的問題，通過研究在線最小二乘支持向量回歸OLSSVR(Online LSSVR)算法，提出了帶遺忘因子的MIMO-OLSSVR(Multi-inputMulti-output OLSSVR)算法，并在谷氨酸發(fā)酵過程軟測量建模中進行應用。為提高算法的自動化程度，采用免疫遺傳算法IGA(Immune Genetic

6、 Algorithm)使MIMO-OLSSVR的參數(shù)在建模過程中能夠自動選擇。將所建的模型預估谷氨酸發(fā)酵過程，結果表明該模型在保證較短訓練時間的情況下，通過模型在線學習，實現(xiàn)了谷氨酸濃度、菌體濃度和殘?zhí)菨舛热齻€變量的在線同時預測，提高了預測精度。但以上建模方法屬于黑箱建模，不能反映實際生化過程的操控特點。
　　 為了能進一步探索生化過程的動力學特性，本文將混雜系統(tǒng)理論應用于谷氨酸補料分批發(fā)酵過程中，并建立了相應的混雜動力系統(tǒng)模型

7、。在分段連續(xù)空間上，從理論角度證明了系統(tǒng)解的存在性、唯一性及解對初值和參數(shù)的連續(xù)依賴性。然后以產量最高為優(yōu)化目標，利用混沌和單純形法搜索合適補料操作變量。通過實驗室的多次實驗，證明該方法達到了提高產量的目的，為進一步研究生化過程控制提供一種新的理論思路。
　　 針對實際生化過程一般的數(shù)學模型或軟測量模型常常隨著時間的推移會發(fā)生模型失效問題，合理利用離線數(shù)據(jù)和在線數(shù)據(jù)，充分利用各種模型的優(yōu)點，提出了多模型融合建模方法，實現(xiàn)了對谷氨

8、酸發(fā)酵過程的動態(tài)建模。通過研究標準粒子群優(yōu)化算法、量子粒子群優(yōu)化算法，針對項目要求的多目標優(yōu)化問題，提出改進的多目標量子粒子群優(yōu)化(MQDPSO)策略，并用Deb測試函數(shù)進行測試。然后結合多模型融合建模技術，對谷氨酸補料分批發(fā)酵過程實施動態(tài)優(yōu)化，通過實際應用驗證了該方法的可行性。
　　 將改進的建模技術和控制策略融入集散控制系統(tǒng)中，能夠進行實時狀態(tài)預報和監(jiān)控，實現(xiàn)了對谷氨酸補料分批發(fā)酵過程的建模和優(yōu)化控制軟件的模塊化設計，便于在