微生物發(fā)酵過程GD-FNN軟測量建模與實現(xiàn).pdf

1、微生物發(fā)酵是一個非常復雜的生化反應過程，具有高度的非線性、時變性和不確定性。其發(fā)酵過程的關鍵生物參數(shù)，如基質濃度、菌體濃度及產物濃度等，難以實時在線測量，因而對整個發(fā)酵過程進行優(yōu)化控制非常困難。采用軟測量技術是解決上述問題的有效途徑。
　　 本文以海洋蛋白酶發(fā)酵過程為研究對象，在分析徑向基神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡、動態(tài)模糊神經(jīng)網(wǎng)絡軟測量建模方法的理論基礎上，提出了一種基于廣義動態(tài)模糊神經(jīng)網(wǎng)絡的軟測量建模方法。廣義動態(tài)模糊神經(jīng)網(wǎng)絡算

2、法基于橢圓基函數(shù)，與徑向基函數(shù)接收域相比，橢圓基函數(shù)接收域提供了更靈活、更廣泛的非線性變換來逼近任意一個非線性系統(tǒng);同時，該算法以模糊ε-完備性作為在線參數(shù)的分配機制，避免了初始化選擇的隨機性;另外，該算法還對模糊規(guī)則及輸入變量的重要性作出了評價。
　　 為了驗證基于廣義動態(tài)模糊神經(jīng)網(wǎng)絡的軟測量建模方法具有良好的預測性能，文中根據(jù)廣義動態(tài)模糊神經(jīng)網(wǎng)絡算法，對海洋蛋白酶發(fā)酵過程關鍵生物參量進行了軟測量建模，并與基于徑向基神經(jīng)網(wǎng)絡、

3、動態(tài)模糊神經(jīng)網(wǎng)絡的軟測量方法進行了比較。結果表明，基于廣義動態(tài)模糊神經(jīng)網(wǎng)絡的軟測量建模方法在學習速率與預測性能方面具有突出的優(yōu)勢。
　　 另外，為了滿足微生物發(fā)酵過程實時監(jiān)測和優(yōu)化控制的要求，文中建立了基于WinCC的微生物發(fā)酵過程智能監(jiān)視系統(tǒng)。由于MATLAB不能與現(xiàn)場工控設備進行直接數(shù)據(jù)通信，無法對軟測量模型預測出的關鍵生物參數(shù)估計值進行實時監(jiān)視。文中結合MATLAB和組態(tài)軟件WinCC各自的優(yōu)勢，用動態(tài)數(shù)據(jù)交換技術實現(xiàn)了M