青霉素发酵过程软测量建模方法的研究

摘要

发酵过程是个复杂的非线性过程，涉及到成百上千个物理过程和化学反应。由于技术或经济的原因，发酵过程的一些关键生化参数，如菌体浓度、基质浓度、产物浓度等，无法或很难在线测量，这为关键质量参数的实时监测及直接质量控制带来了很大的障碍。软测量为解决这一问题提供了有效的手段。本文以青霉素生物发酵过程为研究背景，对菌体浓度的软测量建模及相关方法进行了深入的研究，主要研究内容为以下几个方面:
　　(1)在深入了解生物发酵过程原理及软测量方法的基础之上，针对青霉素发酵过程中难以在线测量的菌体浓度，提出了基于模糊最小二乘支持向量机的软测量建模方法，实现了菌体浓度的在线预估，仿真结果表明模型有效性以及较强的抗噪能力。
　　(2)针对青霉素发酵过程的多阶段特性，提出了基于模糊聚类算法的阶段划分方法，实现了青霉素发酵过程稳定操作阶段的划分，然后针对每个子阶段建立与其对应的软测量模型。
　　(3)针对生物发酵初始条件改变，生化参数（菌体浓度、基质浓度、产物浓度）也会随之变化的问题，提出了基于初始条件偏差的软测量模型校正方法，使得软测量模型对发酵初始条件变化具有较强的适应能力。
　　仿真结果表明，基于阶段划分的模糊最小二乘向量机的软测量建模方法比其他模型测量具有更高的菌体浓度预估精度。

目录

声明

摘要

第1章 绪论

1．1 发酵过程介绍及面临的困难

1．2 软测量技术研究现状

1．2．1 软测量技术基本原理

1．2．2 软测量建模方法概述

1．3 本文研究内容

第2章 支持向量机及其扩展方法

2．1 统计学习理论

2．1．1 统计学习理论基础

2．1．2 VC维理论与推广性的界

2．1．3 结构风险最小化

2．2 支持向量机算法

2．2．1 支持向量机

2．2．2 支持向量机分类

2．2．3 支持向量回归

2．3 LS-SVM与模糊LS-SVM

2．3．1 LS-SVM基本原理

2．3．2 模糊LS-SVM

2．4 本章小结

第3章 青霉素发酵过程的软测量建模

3．1 青霉素发酵过程

3．1．1 青霉素简介

3．1．2 青霉素发酵过程

3．2 基于模糊LS-SVM的软测量建模

3．2．1 引言

3．2．2 辅助变量和隶属度选取

3．2．3 建模数据处理

3．2．4 核函数和模型参数的选取

3．2．5 模型的建立

3．3 基于初始条件偏差的模型校正

3．3．1 递归网络

3．3．2 基于偏差的模型校正

3．4 本章小结

第4章 分阶段的FLS-SVM菌体浓度软测量建模方法

4．1 发酵过程的生长阶段

4．1．1 微生物生长周期

4．1．2 阶段辅助变量的选择

4．2 分阶段软测量模型的建立

4．2．1 FCM算法

4．2．2 发酵过程的阶段划分与识别

4．2．3 模型的建立与仿真实验

4．3 本章小结

第5章 总结与展望

5．1 工作总结

5．2 工作展望

参考文献

致谢