軟測(cè)量技術(shù)在青霉素發(fā)酵過程中的應(yīng)用

1、山東大學(xué)碩士學(xué)位論文軟測(cè)量技術(shù)在青霉素發(fā)酵過程中的應(yīng)用姓名：葛愛冬申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：檢測(cè)技術(shù)與自動(dòng)化裝置指導(dǎo)教師：隋青美20040418山東大學(xué)碩士學(xué)位論文摘要隨著生物技術(shù)的發(fā)展，發(fā)酵過程在國(guó)民經(jīng)濟(jì)中的地位越來越重要，但由于發(fā)酵過程具有高度的非線性、時(shí)變性和模型不確定性，關(guān)鍵變量如生物質(zhì)濃度和產(chǎn)物濃度難以在線測(cè)量，離線分析又導(dǎo)致測(cè)量滯后，使發(fā)酵過程控制問題變得十分復(fù)雜，難以獲得令人滿意的控制性能。青霉素發(fā)酵過程又是生化反應(yīng)過程中比

2、較典型的生產(chǎn)過程，因此對(duì)青霉素發(fā)酵過程進(jìn)行建模研究有實(shí)際應(yīng)用價(jià)值。由于人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、聯(lián)想記憶、自適應(yīng)和非線性逼近等功能，基于人工神經(jīng)網(wǎng)絡(luò)的軟測(cè)量為解決復(fù)雜系統(tǒng)過程參數(shù)的軟測(cè)量提供了一條有效途徑，使得神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)建模中的應(yīng)用越來越廣泛。因此，本文基于神經(jīng)網(wǎng)絡(luò)理論，對(duì)發(fā)酵過程的建模問題進(jìn)行了深入的研究。第一，概括總結(jié)了發(fā)酵過程的建模方法，總結(jié)了目前發(fā)酵過程建模國(guó)內(nèi)外的研究現(xiàn)狀和存在的問題，對(duì)最新進(jìn)展進(jìn)行了總結(jié)和評(píng)述，介紹了

3、軟測(cè)量技術(shù)及其在發(fā)酵過程中的應(yīng)用。第二，研究了一種新型的前向神經(jīng)網(wǎng)絡(luò)一FLAT神經(jīng)網(wǎng)絡(luò)的應(yīng)用，詳細(xì)介紹了它的結(jié)構(gòu)，在FLAT神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法中，總結(jié)了FLAT神經(jīng)網(wǎng)絡(luò)的一步更新學(xué)習(xí)算法，推導(dǎo)了FLAT神經(jīng)網(wǎng)絡(luò)的梯度下降算法和最小二乘算法。通過仿真實(shí)驗(yàn)說明了與BP網(wǎng)絡(luò)相比FLAT網(wǎng)絡(luò)所具有的優(yōu)點(diǎn)：收斂速度快、不存在局部極小點(diǎn)、隱層節(jié)點(diǎn)的數(shù)目容易確定。仿真實(shí)驗(yàn)結(jié)果還表明FLAT神經(jīng)網(wǎng)絡(luò)辨識(shí)精度高、學(xué)習(xí)速度快、泛化能力強(qiáng)。第三，介紹了發(fā)酵過

4、程中幾種典型混合神經(jīng)網(wǎng)絡(luò)建模方法，并研究了廣義混合神經(jīng)網(wǎng)絡(luò)模型，它可用神經(jīng)網(wǎng)絡(luò)描述發(fā)酵過程通用結(jié)構(gòu)形式的模型。該模型由非線性神經(jīng)網(wǎng)絡(luò)和線性神經(jīng)網(wǎng)絡(luò)兩部分組成，由于非線性神經(jīng)網(wǎng)絡(luò)采用結(jié)構(gòu)具有線性形式的FLAT神經(jīng)網(wǎng)絡(luò)，使兩個(gè)網(wǎng)絡(luò)能夠合并為同一表達(dá)式，并具有線性形，使得能夠使用線性最小二乘法求解網(wǎng)絡(luò)權(quán)值。仿真實(shí)驗(yàn)表明，該模型訓(xùn)練方式簡(jiǎn)單，并可方便地使用在線辨識(shí)算法。第四，介紹了青霉素發(fā)酵過程的特點(diǎn)，青霉素發(fā)酵過程工藝和參數(shù)，著重介紹了青霉素