發(fā)酵過程的軟預(yù)報(bào)、分類和調(diào)度優(yōu)化算法研究.pdf

1、生物發(fā)酵過程機(jī)理復(fù)雜、復(fù)現(xiàn)性差、波動(dòng)大。微生物濃度和產(chǎn)物濃度等關(guān)鍵變量的在線檢測困難，阻礙了過程控制方案的有效實(shí)施。若采用密集離線測量的方案則勞動(dòng)強(qiáng)度則太高，對(duì)于采用多罐并行操作的大型工廠，尤不可取。所有這些都加大了生物發(fā)酵過程調(diào)度優(yōu)化的實(shí)施難度。 同微生物濃度、糖耗和產(chǎn)物濃度等過程變量相比，效益函數(shù)能夠更好地反映過程的經(jīng)濟(jì)行為、描述過程的投入和產(chǎn)出的關(guān)系，是過程運(yùn)行狀態(tài)的最直接的、最靈敏的一個(gè)指標(biāo)，是發(fā)酵過程的一個(gè)特征變量。獲

2、得它的實(shí)際值和預(yù)報(bào)值對(duì)于過程的調(diào)度優(yōu)化將十分有利。 本文以青霉素發(fā)酵過程為例，采用人工神經(jīng)網(wǎng)絡(luò)，研究了一種滾動(dòng)學(xué)習(xí)的預(yù)測方法，較好地解決了過程關(guān)鍵狀態(tài)如產(chǎn)量和產(chǎn)物濃度等的寬區(qū)間、高精度預(yù)報(bào)問題。然后對(duì)于效益函數(shù)的在線計(jì)算作了詳細(xì)的分析介紹，并基于產(chǎn)物濃度的預(yù)報(bào)值計(jì)算得出了效益函數(shù)的預(yù)報(bào)值。為了實(shí)現(xiàn)過程的調(diào)度優(yōu)化，文章提出先采用效益函數(shù)的變形——分類函數(shù)將運(yùn)行中的各罐批在線區(qū)分為高效益、平均水平罐批及低效益罐批(亦即優(yōu)中劣)三類。