基于免疫遗传算法的动态递归模糊神经网络在发酵过程中的应用

摘要

针对软测量建模数据中过失误差及动态递归模糊神经网络的结构复杂,大量参数难以确定的情况,提出基于免疫遗传算法的动态递归模糊神经网络软测量方法.利用样本间马氏距离进行样本相似程度分析,去除样本中过失数据以提高计算速度.此外应用减法聚类确定模糊规则数,以简化网络结构,同时应用免疫遗传算法优化模型参数以提高模型的精度和泛化能力.将该方法应用于赖氨酸发酵过程菌体浓度的软测量,仿真结果表明,该方法具有较高的预测精度,满足现场测量要求.