丁二酸发酵过程的软测量建模研究

摘要

生物转化法生产丁二酸的间歇厌氧发酵过程存在明显的不确定性和高度非线性，其中某些参数(如丁二酸浓度)难以在线检测，给过程优化策略的有效实施带来了障碍。最小二乘支持向量机(LS—SVM)是标准支持向量机(SⅧ)的一种扩展，遵循结构风险最小化原则。将该算法用丁二丁二酸发酵过程建模，用具有RBF核函数的LS—SVM建立丁二酸浓度的模型，并通过姒TLAB7.0开发工具和径向基(RBF)人工神经网络的建模方法进行比较。结果表明LS—SVM方法比基于RBF神经网络的软测量建模方法降低了83.7%的外推误差，具有更好的泛化能力，使针对丁二酸浓度的在线预估与优化控制成为可能。