资源描述：
《工业控制基于粒子群算法的基因工程菌发酵分批补料控制》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、计算机测量与控制.2005.13(3)工业控制ComputerMeasurement&Control·255·====================================================文章编号:1671-4598(2005)03-0255-02中图分类号:TP301.6文献标识码:B基于粒子群算法的基因工程菌发酵分批补料控制杨梁，熊伟丽，徐保国(江南大学通讯与控制工程学院,江苏无锡214122)摘要:利用粒子群算法产生的优化解空间来训练BP网络。在优化解空间基础上,避免粒子群算法在解决复杂多峰搜索问题时可能出现的早熟情况;实验证明此
2、方法的优越性。基于此训练出来的BP神经网络预测基因工程菌发酵过程中酶的活性参数。通过预测出来的酶活性参数指导补料控制,提高单位产量。关键词:粒子群算法;基因工程菌发酵;BP网络;分批补料控制ControlsystemofAppendingStuffaaboutEngineeringBacteriaFermentationBaseontheParticaleSwarmOptimizeYangliang,XiongWeili,XuBaoguo(SchoolofCommunicationandcontrolEngineering,SouthernYangtzeUniv
3、ersity,Wuxi214036,China)Abstract::ThearticleusethespacewhichincludeallthePSOresultstotraintheBP.BasedonthespacewhichincludeallthePSOresults,PSOcanvoidtheprematurewhenthePSOdealwiththeproblemwhichcontainmanypeakvalue,thetesttestifythesuperiority;andpredictthevalueofenzymebasedontheBPw
4、hichtrainbyPSO;Wecandirecttheproductionthroughthevalueofenzymebypredictionandincreasetheproduction.Keywords:particleswarmoptimization;engineeringbacteriafermentation;BPalgorithmoptimization;appendingstuff粒子代表解空间的一个候选解,粒子在搜索空间以一定的速度0引言飞行,飞行速度根据它本身的飞行经验进行动态调整。群体中人源多肽激素、功能基因亚功能片段(生物活性肽或
5、多肽)是目前国内外生物制药研制的热点。通过L-天冬酰胺酶第i个粒子在D维解空间的位置表示为xFi=(xi1,xi2,…,xid),i=1,2,……,m。其速度为vGi=(vi1,vi2…………vin),将xFi带II基因工程菌生产甲状旁腺素N端34肽功能基因亚功能片段入目标函数可计算出其适应值。第i个粒子搜索到的最好位置的生产工艺如下:首先是基因工程菌高密度发酵,发酵后的产物经过连续流离心机收集菌体得到菌体后,经过一系列的酸水为pFi=(pi1,pi2,…,pid),称为Pbest。整个粒子群搜索到的最优位置为p(p,p,…,p),整个粒子群通过速度和位解、酶水
6、解反应目标多肽。为了得到较高产量的目标多肽,基g=g1g2gd置的更新搜索整个状态空间。常用的收敛因子模型如下:因工程高密度发酵过程中就应有较高的产量。传统生产过程中,基因工程菌高密度发酵过程的补料取决于工人的操作经vid=w*vid+c1*rand()(pid-xid)+c2*rand()*(pgd-xid)(1)验,影响了单位产量。根据生物发酵过程中酶活力与其需求养xid=xid+vid(2)料的关系,采用在不同的酶参数条件下给出不同的补料量,将其中:w为惯性权重(inertiaweight),c1和c2为加速常数(accelerationconstants
7、),rand()为在[0,1]范围内变化的随机能有效的提高单位产量。但酶活性参数无法实时在线测量,本函数。通过比较目标函数的适应值动态的调节粒子的飞行速度文利用神经网络预测出来的酶参数指导补料控制,在训练神经和搜索空间,从而使粒子在整个解空间中找到最优解。网络的过程中利用PSO算法,PSO算法基于种群的并行的全局搜索策略,采用简单的速度、位移模型实现对整个空间的寻2基于全局优化解空间的PSO优化BP网络算法实优操作,避免了采用遗传算法训练神经网络随规模的增大其复现[3]。为了PSO算法与遗传算法相比具有更快的收敛速度杂程度呈指数增长[1]。同时整个训练算法简单,
8、易于在上位机避免PSO算
