软测量技术在青霉素发酵过程中的应用

《软测量技术在青霉素发酵过程中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、原创。}生声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果，除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确的方式标明。本人完全意识到本声明的法律责任有本人承担。论文作者签名：簋盘垒关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇

2、编本学位论文。论文作者签名：复重叁导师签名：醢!苤l、日期：趔玺垒，筮山东大学硕士学位论文摘要随着生物技术的发展，发酵过程在国民经济中的地位越来越重要，但由于发酵过程具有高度的非线性、时变性和模型不确定性，关键变量如生物质浓度和产物浓度难以在线测量，离线分析又导致测量滞后，使发酵过程控制问题变得十分复杂，难以获得令人满意的控制性能。青霉素发酵过程又是生化反应过程中比较典型的生产过程，因此对青霉素发酵过程进行建模研究有实际应用价值。由于人工神经网络具有自学习、联想记忆、自适应和非线性逼近等功能，基于人工神经网络的软测量为解决复杂系统过程参数的软测量提供了一条有效途径，使得神经网

3、络在非线性系统建模中的应用越来越广泛。因此，本文基于神经网络理论，对发酵过程的建模问题进行了深入的研究。第一，概括总结了发酵过程的建模方法，总结了目前发酵过程建模国内外的研究现状和存在的问题，对最新进展进行了总结和评述，介绍了软测量技术及其在发酵过程中的应用。第二，研究了一种新型的前向神经网络一FLAT神经网络的应用，详细介绍了它的结构，在FLAT神经网络的学习算法中，总结了FLAT神经网络的一步更新学习算法，推导了FLAT神经网络的梯度下降算法和最小二乘算法。通过仿真实验说明了与BP网络相比FLAT网络所具有的优点：收敛速度快、不存在局部极小点、隐层节点的数目容易确定。仿真

4、实验结果还表明FLAT神经网络辨识精度高、学习速度快、泛化能力强。第三，介绍了发酵过程中几种典型混合神经网络建模方法，并研究了广义混合神经网络模型，它可用神经网络描述发酵过程通用结构形式的模型。该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线性形式的FLAT神经网络，使两个网络能够合并为同一表达式，并具有线性形，使得能够使用线性最小二乘法求解网络权值。仿真实验表明，该模型训练方式简单，并可方便地使用在线辨识算法。第四，介绍了青霉素发酵过程的特点，青霉素发酵过程工艺和参数，着重介绍了青霉素发酵过程的数学模型。第五，应用第三章提出的广义混合神经网络

5、建模方法，根据青霉素发酵山东大学硕士学位论文过程可在线测量过程参数二氧化碳生成率CER，实现青霉素发酵过程生物质浓度的测量。由仿真实验结果可以看出，该方法建模精度高、泛化能力强。关键词：青霉素发酵：软测量技术；建模；FLAT神经网络；生物质浓度山东大学硕士学位论文ABSTRACTWiththedevelopmentofbio—technology,thefermentationprocessisbecomingmoreandmoreimportantinthenationaleconomy．However，thefermentationprocessisdistinctlyn

6、onlinear，itsdynamicsisnotknownprecisely，andchangesininitialconditionsandvariationsofparameterswithtime，andthekeystatevariablessuchasbiomassconcentrationandproductionconcentrationcannotbemeasuredonline，whoseofflineanalysiswillresultinmeasurementlag，Soitisverycomplextothecontroloffermentation

7、process，anditisdifficulttogetsatisfiedcontrolperformance．Penicillinfermentationisatypicalkindofbiochemicalreactionprocess．Thusthestudyaboutthemodelinghaspracticaleffectforthepenicillinfermentation．Artificialneuralnetworkshavebeenusedmorebroadlyinnonlinea