适用于神经网络逆软测量方法的对象建模问题的研究

《适用于神经网络逆软测量方法的对象建模问题的研究》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、东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：已惫里盘日期：趁坦：生：乡东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文

2、档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。参研究生签名：迸：坠；纽导师签名：E笈：丝!型导师签名：蒙黪日期：≯Dfo．Q．舌J?摘要论文题目：硕士研究生姓名：导师姓名：学校名称：适用于神经网络逆软测量方法的对象建模问题的研究陈卫亮戴先中教授东南大学为解决工业生产过程中一些重要的过程变量在现有的技术条件下难于直接测量或不易快速测量的问题，本课题组在前期工作中提出了神经网络逆软测量方法。该方法不依赖于被测对象精确的数学

3、模型，但需要知道模型的大致结构和参数的大致范围，才可建立被测对象的软仪表(软测量模型)，不过本课题组以前并没有对被测对象的建模问题进行深入的分析和研究。本文的主要工作是针对神经网络逆软测量方法对被测对象模型的要求，以青霉素发酵过程为例，提出了一套具体的建模方案，得到最适用于神经网络逆软测量方法的青霉素发酵过程的模型结构。本文的主要研究内容和成果有：1．通过对青霉素发酵过程原理的分析，根据现有的研究成果以及神经网络逆软测量方法对模型的要求，得到了多种备选的青霉素发酵过程的模型结构，并根据神经网络逆软测量方法的建模步骤，推导了不同模型结构所对应

4、的软仪表。2．以青霉素发酵过程仿真平台Pensim产生的数据作为青霉素发酵的实际数据，采用非线性最小二乘法对青霉素发酵过程模型中的参数进行了辨识。针对青霉素发酵这样一个复杂的非线性模型(20多个需要辨识的参数)，在参数辨识过程中，采用了对辨识数据进行归一化，合理设置参数初值，合理地调整目标函数加权系数以及分批辨识模型参数的方法，成功地辨识出了各种备选的青霉素发酵模型中的参数。3．根据模型输出数据与实际数据(由Pensim产生)的拟合程度，以及各种备选模型结构对应的软仪表实现的难易程度，从多种备选的模型结构中优选出了最合适的青霉素发酵过程的模

5、型结构。同时，根据优选出的模型结构，设计了神经网络逆软仪表并进行了相应的仿真研究。结果表明，采用神经网络逆软测量方法能够很好地实现菌体浓度和基质浓度的在线软测量，但无法有效地实现产物浓度的在线软测量。关键词：青霉素发酵过程，动力学模型，神经网络逆，软测量，最小二乘法，参数辨识ABSTRACTABSTRACTTitle：ResearchonObjectModelingforANNInversionSoft—sensingMethodMastercandidate：ChenWei-liang．Supervisor：Professor,DaiXi

6、an-zhongOriganization：SoutheastUniversityTosolvetheproblemofmeasuringthecrucialprocessvariableswhichCallnotbedirectlymeasuredbypresenttechnologyintheindustrialprocesses，Ourresearchgrouphasproposedtheartificialneuralnetwork(aNN)inversionsoft-sensingmethod．Thismethoddoesnote

7、ntirelydependonthemathematicalmodel，whileitreliesontheroughmathematicalmodelinordertoestablishthesoft-sensor．ThemajortaskofthepaperistoresearchonthepenicillinfermentationmodelingfortheANNinversionsoft-sensingmethod．Finallythemostreasonablemathematicalmodelofthepenicillinfe

8、rmentationfortheANNinversionsoft·sensingmethodisobtained．Themainworkandresearchcontentsar