改进的PSO-FNN在发酵软测量中的应用.pdf

《改进的PSO-FNN在发酵软测量中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、改进的IX30．FNN在发酵软测量中的应用王华国。等改进的PSO—FNN在发酵软测量中的应用ApplicationoftheImprovedPSO—FNNinFermentationSoftSensing互华圈1，3孙玉坤2互傅1，3董弱1，3(江苏大学电气信息工程学院1，江苏镇江212013；南京工程学院电力工程学院1，江苏南京211167；机械工业设施农业测控技术与装备重点实验室3，江苏镇江212013)摘要：针对发酵过程中一些难以或者无法在线测量的关键物化参数和生物参数等变量，提出了改进的PSO—FNN软测量建模方案。通过改进的粒子群优化算法(／'SO)寻优算法与

2、模糊神经网络(FNN)相结合，建立发酵过程的软测量模型，再结合实际数据进行仿真研究。仿真结果表明，与传统PSO．FNN软测量相比，改进的模型测量精度更高，可以满足实际工程中的要求。关键词：发酵系统粒子群优化算法(PSO)软测量建模模糊神经网络(FNN)智能控制中图分类号：TH一39；TPl83文献标志码：ADOI：10．160864．cnki．isml000—0380．201603015Abstract：Infermentationprocess，someofthephysical，chemical，andbiologicalparametersaredifficult

3、orimpossibletobemeasuredonline-tosolvetheproblem-thesoft∞璐irlgmodelingstrategybasedonimprovedPSO—FNNisproposed．moushcombiningimprovedparticleswarmoptimization(V30)algorithmwithfu=yneuralnetwork(FNN)。thesoftseiningmodeloffermentationprocessisestablished；thenthesimulationofmodelisresearche

4、dwithactualdata．Theresultsofsimulationshowthatcom耻面119withtraditionalPSO-FNNsoftsensing，theimprovedmodelpossesseshighermeasurementaccuracy。andmeetsrequirementsofpracticalprojects．Keywords：FermentationsystemParticleSWal'lnoptimizationSoftsensingModelingFuzzyneuralnetworkIntelligentcontrol

5、O引言随着生物科技的迅速发展⋯，生物发酵不仅为食品行业作出了巨大贡献，也为医药、新能源等行业提供了有力支撑。由于发酵系统主要采用典型的大滞后、强时变、非线性系统，造成许多关键参数仍然不能在线实时检测，给发酵过程的实时控制带来一定的困难。解决此困难的一种有效方法就是建立相关参量的白箱或黑箱模型。模糊神经网络在智能控制领域已经展现出其自身的优越性心】，其结合模糊系统与神经网络各自的优点，既能充分利用语言信息，又有一定的自学习、自适应能力，使其无需确切的数学模型，就可以得到非线性系统输出与输入的关系。粒子群优化算法(p8nicle$wallnoptimization，PSO)

6、具有全局寻优以及所需调整参数少等特点，在数据聚类口]、生物系统建模、机器人控制等国家高技术研究发展计划基金资助项目(编号：2011AA09070301)；江苏省农业科技支撑基金资助项目(编号：BE2010354)；江苏省自然科学基金资助项目(编号：BK2011465、SBK2014042351)；江苏省高校自然基金资助项目(编号：12l卸B210001)；江苏大学高级人才启动基金资助项目(编号：12ⅡIGl08)。修改稿收到日期：2015—03—05。第一作者王华国(1988一)，男，现为江苏大学农业电气化与自动化专业在读硕士研究生；主要从事生物反应过程软测量与优化控制

7、的研究。方面都显现出较好的前景。本文提出了一种改进的PSO算法，并将其应用到模糊神经网络(fuzzyneuralnetwork，FNN)软测量建模方案中。仿真结果表明，这种基于改进的PSO．FNN软测量方法具有较好的准确性、快速性以及稳定性¨]，可以被进一步推广到具有大滞后性、时变性和非线性等特点的测控系统中去。1PSO算法假设存在一个D维空间，里面包含m个粒子，第i个粒子的位置为茗i=(菇d，％⋯．，菇m)，速度为秽；=(秽n，秽岔⋯．，％)，第i个粒子搜索到的历史最优点为P；=(Pd，P正⋯．，P∞)，所有粒子搜索到的历史最优点为P，