检索结果-南通市图书馆

作者：刘文慧江苏大学

学位级别：硕士

通过毕赤酵母表达系统生产的各种外源蛋白已被广泛应用于医药、工业、食品等多个领域,其中由该系统表达的蛋白酶K是新型冠状病毒核酸检测中不可或缺的物质。因此,为了满足各领域的需求,确保毕赤酵母发酵产物的产量和质量是十分必要的。... 详细信息

通过毕赤酵母表达系统生产的各种外源蛋白已被广泛应用于医药、工业、食品等多个领域,其中由该系统表达的蛋白酶K是新型冠状病毒核酸检测中不可或缺的物质。因此,为了满足各领域的需求,确保毕赤酵母发酵产物的产量和质量是十分必要的。为了高产率、高质量地表达外源蛋白,需要在毕赤酵母的发酵过程中实时地监测菌体浓度,以便观察菌体的生长状态和累积情况。虽然软测量技术是实现菌体浓度在线测量的有效途径,但是毕赤酵母的发酵过程呈多工况特性,传统的软测量建模技术容易出现模型失效的情况。因此,本课题针对多工况过程软测量建模的问题,引入了迁移学习和集成学习,并提出了相应的解决办法与改进策略,实现了对毕赤酵母多工况发酵过程菌体浓度的有效预测,主要研究内容如下:首先,在毕赤酵母诱导表达蛋白酶K的多工况发酵过程中,采集了部分可测的环境变量,并利用离线测量的方式获取了实际的菌体浓度值,通过分析发现不同工况之间的数据分布差异很大,这会导致在历史工况下建立的传统软测量模型无法应用于新的工况中。其次,针对数据分布差异大的问题,考虑用迁移学习中的迁移成分分析(TCA)、联合分布自适应(JDA)和平衡分布自适应(BDA)三种数据分布自适应方法来减小分布差距。然而,JDA与BDA无法直接应用于回归问题,因此利用了模糊集(FSs)进行改进,之后将TCA、改进的JDA(IJDA)以及改进的BDA(IBDA)与传统的正则化极限学习机(RELM)相结合,构建了TCA-RELM,IJDA-RELM和IBDA-RELM三种迁移软测量模型,分别用于毕赤酵母发酵过程中菌体浓度的预测。实验结果表明:在单工况作为源域的情况下,基于IBDA-RELM的软测量模型具有较好的预测性能,但是预测精度仍有待提高。最后,为了构建一种精度更高、综合性能更强的毕赤酵母多工况软测量模型,考虑从多个工况中进行知识迁移。因此,在IBDA-RELM作为基模型的基础上,引入了集成学习,并提出了一种基于最大信息系数(MIC)的加权集成策略,建立了基于MIC加权集成的IBDA-RELM迁移软测量模型。最终实验结果表明,该模型能有效实现多工况下毕赤酵母菌体浓度的预测,不仅预测精度高,而且具有较强的稳定性和泛化能力,面对不同的目标域工况,该模型的决定系数R均能达到0.9970以上。

关键词：毕赤酵母表达系统多工况软测量迁移学习数据分布自适应集成学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习策略的毕赤酵母发酵过程软测量

基于即时学习策略的毕赤酵母发酵过程软测量

作者：王维杰江苏大学

学位级别：硕士

巴斯德毕赤酵母属甲醇营养性酵母,良好的表达可控性和较小的表达局限性可以让外源蛋白基因利用同源重组的方式在菌体内高效表达。距今,毕赤酵母已经规模化生产了超过一千多种外源蛋白,其产品涉及生活的方方面面,如食品、医疗、国防等领... 详细信息

巴斯德毕赤酵母属甲醇营养性酵母,良好的表达可控性和较小的表达局限性可以让外源蛋白基因利用同源重组的方式在菌体内高效表达。距今,毕赤酵母已经规模化生产了超过一千多种外源蛋白,其产品涉及生活的方方面面,如食品、医疗、国防等领域。想要菌种一直保持在最优发酵条件,需要参考发酵过程中的重要状态变量,然后按照状态变量实时调节环境变量。然而,重要状态变量无法通过现有的传感仪器直接测量,国内主要依靠人工采样方式获取状态变量参数,测量结果滞后,无法进行实时控制。近年来,随着计算机性能的不断提高和预测算法的升级迭代,软测量技术逐渐被用于预测工业过程参量,为发酵过程的重要状态变量的获取提供了很好的解决方案。为建立优秀的毕赤酵母发酵过程关键参量预测模型,进行了多批次毕赤酵母的发酵实验,开展了菌体浓度和基质浓度预测算法模型的研究。具体研究内容如下:针对发酵过程中的多工况问题,采用的是即时学习(JITL)建模方法。考虑到即时学习建模通常对整个历史样本数据进行相似度分析,不但计算难度大,而且会引入噪音数据,采用时间窗(TW)缩小样本的选择范围,提高运算效率。又因为在发酵的不同阶段,同一环境变量对重要状态变量的影响不同,所以提出自适应辅助变量选取策略(SAV)选择本次建模所用的辅助变量。SAV是通过对时间窗内的样本采用K-近邻互信息方法(K-MI)计算辅助变量与重要状态变量的关联度,然后按照关联度的降序选择辅助变量。对于菌体浓度和基质浓度,通过对历史数据进行分析,并对比不同预测模型的预测误差,分别采用了以下建模算法:对于菌体浓度,采用局部加权偏最小二乘算法(LWPLS)建立局部预测模型,并根据辅助变量的关联度对LWPLS算法中的权重进行优化,按照关联度的大小调整辅助变量在权重的占比,提高预测精度。对于基质浓度,采用最小二乘支持向量机算法(LSSVM)建立局部预测模型,将其中的核函数以混合核函数代替,并采用天牛须(BAS)算法寻找最优参数,确保预测结果准确。最终分别建立了TW-SAV-OLWPLS模型和TW-SAV-BAS-MLSSVM模型对实际发酵过程中的菌体浓度和基质浓度进行预测,第四章展示了不同工况下的预测结果,并与其他预测模型进行比较。对比结果表明,TW在不影响预测精度的前提下能够有效地降低计算量,SAV能够为模型选择合适的辅助变量,提高在整个发酵过程上的预测效果,对LWPLS模型权重优化和对LSSVM模型采用BAS算法进行参数寻优能有效的减小预测误差,在发酵阶段发生改变时也能有较高的预测效果。

关键词：毕赤酵母即时学习自适应辅助变量局部加权偏最小二乘最小二乘支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光合细菌发酵过程的多阶段软测量建模与分析

光合细菌发酵过程的多阶段软测量建模与分析

作者：陈威江苏大学

学位级别：硕士

随着我国综合实力的不断提升,资源、环境对发展的制约日趋严重,特别是赖以生存的水资源供需矛盾十分突出,全国有一半以上的城市供水不足。而我国的江河湖泊整体污染严重,地下水资源水质不断恶化,已严重危害到人们的身体健康,阻碍到我国... 详细信息

随着我国综合实力的不断提升,资源、环境对发展的制约日趋严重,特别是赖以生存的水资源供需矛盾十分突出,全国有一半以上的城市供水不足。而我国的江河湖泊整体污染严重,地下水资源水质不断恶化,已严重危害到人们的身体健康,阻碍到我国经济与社会的发展。我国经济正全面步入新常态的新阶段,水污染的防治已然成为聚集的焦点。光合细菌有除磷、脱氮、脱硫、产氢、硫化物氧化等多种不同功能,且还能对重金属、有毒有机物等有很好的分解与转化作用,这些优异的功能特性,使得其在各种废水的处理上有着极大的价值,同时菌体本身富含多种高营养价值物质,引起了人们的重视。我国地域广,人口众多,对高品质的光合细菌的需求量极大,在实际生产发酵过程中,为了获得高产量与质量的光合细菌,需要在其发酵过程中,根据发酵进展对发酵过程进行优化控制,为菌体生长提供适宜的生长环境。然而光合细菌的发酵过程复杂多变,呈多变量、非线性特性,特别是反应发酵进展的关键变量活菌浓度难以实时在线测量,不利于对发酵过程进行实时的优化控制,影响到发酵品质的提高。基于上述问题,本课题引入软测量技术,建立一种多阶段软测量模型,对光合细菌发酵过程的活菌浓度进行预测。论文首先介绍了对光合细菌进行研究的目的及意义,同时指出在光合细菌发酵过程中,存在关键变量活菌浓度难以实时在线测量的问题。其次,对国内外的各种软测量建模方法进行了分析,总结了相应的优缺点。然后对光合细菌的发酵过程进行了分析,详述了其发酵过程的具体液态发酵工艺流程,分析了其发酵阶段特性,介绍了发酵过程参数对发酵的影响及参数的检测方法,有利于辅助变量的选择与样本数据的有效采集,为模型的建立做准备。再次,介绍了软测量技术的原理,选择最小二乘支持向量机(Least squares vector machine,LSSVM)作为基础软测量模型,并采用一种改进的蝙蝠算法(Improved bat algorithm,IBA)对LSSVM的模型参数进行寻优。在忽略光合细菌发酵过程阶段变化特性的情况下,建立了单一的全局性基于改进蝙蝠算法优化最小二乘支持向量机(IBA-LSSVM)的光合细菌发酵过程活菌浓度软测量模型,通过MATLAB仿真验证了该软测量方法相较未优化的于未优化的BA-LSSVM模型具有更好的预测精度和抗干扰能力,但是由于忽略了光合细菌的发酵特性,其预测精度仍有一定的提升空间。最后,本文利用模糊C均值聚类算法(Fuzzy c-means algorithm,FCM)对样本数据聚类分析,将发酵过程划分成三个阶段,利用IBA-LSSVM对这三个阶段分别建立对应的局部子模型,再将子模型组成融合得到最终的多阶段软测量模型,通过仿真验证,相较于单一的全局IBA-LSSVM模型,多阶段模型有着更优越的稳定性与预测性能,能够很好地解决发酵过程活菌浓度的在线检测问题。本次课题研究的基于IBA-LSSVM的光合细菌发酵多阶段软测量方法有着较高的预测精度与稳定性,对解决同类型的工业生产过程中难以直接测量的变量提供一种借鉴方法。

关键词：细菌发酵软测量建模最小二乘支持向量机蝙蝠算法模糊C均值聚类算法

秸秆发酵过程多模型软测量方法与监测系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

秸秆发酵过程多模型软测量方法与监测系统研究

作者：姜哲宇江苏大学

学位级别：硕士

目前我国每年主要农作物秸秆产量达7.5～9.94亿吨,而农作物秸秆处理方法主要包括:焚烧、还田、饲料、栽培食用菌和沼气等。但70%的秸秆资源还是作为以秆代煤/直接燃烧。这不仅会破坏地表土壤结构、使地表水分大量蒸发,同时会造成资源浪... 详细信息

目前我国每年主要农作物秸秆产量达7.5～9.94亿吨,而农作物秸秆处理方法主要包括:焚烧、还田、饲料、栽培食用菌和沼气等。但70%的秸秆资源还是作为以秆代煤/直接燃烧。这不仅会破坏地表土壤结构、使地表水分大量蒸发,同时会造成资源浪费和温室效应。如果能将其中10%生产燃料乙醇,将获得800万吨的乙醇产量,节约粮食300万吨左右。因此秸秆资源制取燃料乙醇,在解决了资源浪费的同时,保护了环境,给农民增加创收。随着秸秆发酵制取燃料乙醇进程的不断发展,生产及规模化的逐渐扩大,其控制过程也向自动化和智能化转变,通过对发酵过程中一些显示发酵过程优劣的参量进行在线监测是实现自动控制的前提和基础。但由于发酵内部机理复杂,经济和技术原因都使得一些参量难以在线实时测量,目前传统方法是将发酵过程中的产物取出,进行离线化验。这种方法存在很大的测量延时和误差,严重影响了后期对发酵过程的观察和控制。基于上述问题,本课题研究设计了一种“多模型软测量”方法并配套研制了一种基于嵌入式的秸秆发酵制取燃料乙醇监测系统,通过软测量方法,对发酵过程中难以测量的关键参量(乙醇浓度、残糖含量、菌体活性)进行实时在线监测。论文首先介绍了秸秆发酵燃料乙醇的目的及前景,同时指出发酵过程控制中存在的问题,为后文的研究内容做铺垫。其次,详细介绍了本文采用的软测量算法理论和软测量平台软硬件设计。软测量理论为:针对单一回归模型不适应新的工况,运用一种多模型软测量建模方法,该多模型软测量包括了核模糊C均值聚(Kernel-based fuzzy c-means algorithm,KFCM)数据分理论、最小二乘支持向量机(Least squares vector machine,LS-SVM)建模理论和自适应变异差分进化算法(Adaptive mutation different evolution,AMDE)模型优化理论,最终将算法用于秸秆发酵关键参量的软测量中,通过仿真实验显示可以得到合适的惩罚系数C和径向基宽度?,优化后的算法比传统方法在优化精度和训练的速度有了明显的提升。监测系统设计包括:STM32F103ZET6最小系统为核心的系统数据采集模块,实现数据从发酵现场采集并传输到主控模块的任务;ARM11作为主处理器的核心主控模块,完成了将采集到的数据进行分析、软测量处理、显示等功能。最后将研制的软测量平台运用在秸秆发酵实际过程中,通过PC机上的模拟和嵌入式平台上的测试应用,证明了该系统可以完成多模型软测量算法的移植和秸秆发酵过程的监测。本次课题研究的秸秆发酵多模型软测量监测系统具有实时监测秸秆发酵关键参数并通过显示屏显示的功能,为今后工业生产过程中难以测量量的监测与实时显示提供了一定的借鉴。

关键词：秸秆发酵嵌入式系统核模糊C均值聚最小二乘支持向量机自适应差分进化

基于机器学习算法的海洋蛋白酶发酵过程的软传感器建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习算法的海洋蛋白酶发酵过程的软传感器建模

作者： Khalil Ur Rehman 江苏大学

学位级别：硕士

根据海洋蛋白酶发酵工艺的独特特点,它被广泛应用于洗涤工业、环保、食品加工和医疗工程中。然而,发酵过程是一个高度非线性的、时变的、多变量的、强耦合的复杂生化反应过程。由于生物体的生长和繁殖,其内部机制非常复杂。一些直接反... 详细信息

根据海洋蛋白酶发酵工艺的独特特点,它被广泛应用于洗涤工业、环保、食品加工和医疗工程中。然而,发酵过程是一个高度非线性的、时变的、多变量的、强耦合的复杂生化反应过程。由于生物体的生长和繁殖,其内部机制非常复杂。一些直接反映发酵过程质量的关键变量（如细胞浓度、基质浓度和酶活性）很难通过传统的测量方法进行实时测量。离线测试具有较大的时间滞后性,不能满足现场实时优化控制的需要。特别是在实际发酵过程中,为了提高酶制剂的生产效率和产品质量,降低经济成本,发酵过程的环境变量应控制在一个特定的范围内。然而,细胞的生长、繁殖和代谢酶的产生过程却受到外界环境的极大影响。发酵过程的各种状态变量之间存在复杂的非线性动态关系,难以解耦,反映发酵质量的关键变量在测量稳定性和价格方面存在严重的缺陷,已成为影响发酵过程实时优化控制的瓶颈问题。采用软传感器建模是解决上述测量问题的一种有效方法。软测量建模可以将生产过程经验知识与自动控制理论有机地结合起来,通过数学计算和估计方法推断出需要测量的过程变量。利用软测量方法分析关键过程变量,不仅降低了生产成本,而且加快了动态响应,实现了关键参量的在线实时预估。实现这一点的一个强大工具就是软传感器,它使用过程中的在线信号来获取新的信息。传感器和测量技术可能非常有用,但软测量建模过程最好应使用已有的传感器,同时软测量建模过程不仅限于使用一些专用的物理传感器,还可以使用最适合用于传递关键参数估计值的不同传感器。本文主要包括以下研究内容:本文首先介绍了海洋蛋白酶研究目的和意义,指出在发酵过程存在某些难以在线测量的关键变量。其次,分析了国内外各种软测量建模方法,并分析总结了它们的优缺点。对现有的数据预处理方法、变量选择方法、软传感器建模方法和优化技术进行了全面审查。对各种软传感器模型的综合分析以表格的形式呈现,突出了发酵领域中使用的重要方法。然后对海洋蛋白酶的发酵过程进行了分析,详细介绍了具体的液体发酵过程,阐述了过程变量对发酵的影响和发酵过程变量的检测方法,这些都有助于辅助变量的选择,并有效地采集样本数据,为软测量模型的建立做好准备。第三,介绍了软测量技术的原理,提出了基于支持向量回归（SVR）的新型软测量模型。为了进一步提高模型的预测精度,采用灰狼算法（GWO）对关键参数（核函数宽度σ、惩罚系数c）SVR模型进行了优化。为了研究辅助变量的选择对软测量建模的影响,采用连续投影算法（SPA）来确定特征变量,并与灰色关联分析算法（GRA）进行比较。最后,通过MATLAB编程调用Excel电子表格数据,建立SPA-GWO-SVR软测量模型,预测发酵过程关键生物变量。仿真结果表明,SPA-GWO-SVR模型比传统的SPA-SVR模型具有更高的预测精度和泛化能力。复用MATLAB软件对海洋蛋白酶发酵过程进行实时监测,满足海洋蛋白酶发酵过程优化控制的要求。第四,提出了一种基于最小二乘支持向量机（LSSVM）的新型软测量模型中。采用改进的粒子群优化算法（IPSO）对LSSVM模型的超参数进行优化,该模型采用指数递减惯性权（EDIW）策略来提高标准粒子群优化（PSO）算法的搜索质量。这种改进的主要目的通过实验得以证明,如果EDIW策略下的PSO算法的参数被适当地设置,那么其PSO算法是非常有效的。采用模糊c均值聚类（FCM）算法对样本数据进行聚类,将发酵过程分为三个阶段,并利用IPSO-LSSVM算法分别针对三个阶段建立相应的局部子模型,然后将子模型组合得到最终的多阶段软传感器模型。通过MATLAB仿真,与PSO-LSSVM模型相比,基于FCM和IPSO-LSSVM的多阶段软测量模型具有较高的预测精度和稳定性,为解决同类工业生产过程中难以测量的变量提供了参考方法。最后,总结了论文的主要研究内容和结果,提出了论文的不足和今后相关研究的改进方向。

关键词：发酵过程海洋蛋白酶软测量最小二乘支持向量机模糊c-means聚类法优化算法

基于MW-ELWPLS的海洋碱性蛋白酶发酵过程软测量与补料预测控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MW-ELWPLS的海洋碱性蛋白酶发酵过程软测量与补料预测控制

作者：蔡可江苏大学

学位级别：硕士

海洋碱性蛋白酶是在自然界产酶菌株的基础上配合现代生物技术开发出来的一种新型蛋白酶。由于其产酶菌株生长在高盐碱、低温、高压的恶劣海洋环境中,因而其所产的海洋碱性蛋白酶相较于传统陆源碱性蛋白酶在氧化性、配伍性、催化性等方... 详细信息

海洋碱性蛋白酶是在自然界产酶菌株的基础上配合现代生物技术开发出来的一种新型蛋白酶。由于其产酶菌株生长在高盐碱、低温、高压的恶劣海洋环境中,因而其所产的海洋碱性蛋白酶相较于传统陆源碱性蛋白酶在氧化性、配伍性、催化性等方面表现优越。现已广泛应用于洗涤、医药、食品和国防等领域中。海洋碱性蛋白酶实际发酵过程是一个复杂的非线性、强耦合、大时变系统。为了最大限度地提升其产品产量和品质,需要利用先进控制技术对其发酵过程进行动态调控和实时优化。然而目前海洋碱性蛋白酶的发酵过程优化控制主要存在以下三点问题:（1）发酵过程内部机理十分复杂,难以建立能够准确描述其菌种生长、基质代谢的动力学数学模型;（2）能够表征海洋碱性蛋白酶当前发酵状态的关键参量（诸如菌体浓度、残糖浓度、相对酶活等）缺乏有效的在线测量手段。目前主要通过人工离线采样分析的方式,但是这种方法存在较大的测量延时,难以进行实时检测;（3）传统的发酵优化控制通常依赖人工经验或者是简单的PID控制,但是PID控制往往不能适应具有强非线性的发酵过程,会导致产品的得率和品质较低。基于数据驱动的模型预测控制（MPC）是目前较好的解决办法。针对以上问题,本文围绕海洋碱性蛋白酶发酵过程关键参量软测量、补料模型预测控制方法等问题,开展海洋碱性蛋白酶发酵过程优化控制的研究。具体研究内容如下:首先,介绍偏最小二乘算法（PLS）和即时学习算法,进而引出局部加权偏最小二乘算法（LWPLS）。考虑到LWPLS算法在选择样本时会对整个历史数据集进行计算查找,导致计算量过大,因此采用滑动时间窗（MW）来缩小相似样本的选择范围。为进一步提高算法预测的精度,选择包含查询样本点在内的相同窗口长度下不同查询点位置的数据作为子数据集,并计算每个子数据集的累计相似度,再通过设定的累计相似度阈值筛选出具有多样性的子数据集建立MW-LWPLS子模型。最后采用集成学习中的加权平均法融合各个MW-LWPLS子模型。通过数值仿真验证了所提MW-ELWPLS算法的可行性。其次,构建了基于MW-ELWPLS的软测量模型,并将其应用在海洋碱性蛋白酶的关键参量软测量中。通过分析海洋蛋白酶的发酵工艺和各参量间的影响因素,结合k-近邻互信息的方法选取软测量模型的辅助变量,建立海洋碱性蛋白酶关键参量的软测量模型。通过实验验证了所提MW-ELWPLS的软测量模型相较离线建模的PLS软测量模型预测精度提高了70%左右,同时为补料预测控制做铺垫。最后,针对海洋碱性蛋白酶分批补料发酵过程中的流加速率难以控制的问题,将所提的MW-ELWPLS算法应用在预测模型中,并建立基于海洋碱性蛋白酶发酵过程的多步补料预测控制模型（MW-ELWPLS-MMPC）。由于传统在线滚动优化一般采用最速下降法（SD）,导致滚动优化中求解最优控制序列时会出现局部最优现象,因此采用量子粒子群（QPSO）仿生优化算法对滚动优化进行了改进。同时将第三章的软测量模型应用在补料模型预测控制中,构建了海洋碱性蛋白酶补料控制系统。从海洋碱性蛋白酶的补料实验仿真中可以看出该方法对实际最优曲线有很好的跟踪效果。

关键词：海洋碱性蛋白酶MP 软测量局部加权偏最小二乘LWPLS 模型预测控制MPC 量子粒子群QPSO

秸秆发酵制取燃料乙醇过程的软测量与预测控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

秸秆发酵制取燃料乙醇过程的软测量与预测控制

作者：华天争江苏大学

学位级别：硕士

秸秆的合理利用有利于降低因秸秆焚烧产生的有害气体及颗粒物,对治理雾霾、保护环境和提高资源的综合利用有着重要的作用。随着秸秆发酵规模逐渐扩大,过程控制的要求也持续提高。秸秆发酵过程内部机理复杂,受多个环境参量影响,表现出非... 详细信息

秸秆的合理利用有利于降低因秸秆焚烧产生的有害气体及颗粒物,对治理雾霾、保护环境和提高资源的综合利用有着重要的作用。随着秸秆发酵规模逐渐扩大,过程控制的要求也持续提高。秸秆发酵过程内部机理复杂,受多个环境参量影响,表现出非线性、时滞性、强耦合等特点。尤其是一些对发酵效率和产物得率有关键影响的变量受限于硬件检测仪器无法实现在线检测,制约了秸秆发酵的优化控制,严重影响了秸秆发酵自动化和产业化的发展。论文以秸秆发酵的工艺为基础,对发酵的重要过程变量(如基质浓度、发酵菌种浓度、乙醇浓度)无法实时检测和闭环优化控制的问题进行了研究。基于软测量技术构建了重要过程变量的软测量模型;提出了基于最小二乘支持向量机(LSSVM)广义预测控制(GPC)的补料方法;利用Cortex A9的嵌入式控制单元和Visual C++开发平台,开发了数字化控制系统,并完成了实时监控界面的设计。主要的工作如下:1、针对秸秆发酵乙醇重要过程变量(乙醇浓度)不易实时检测的不足,提出了基于LSSVM的秸秆发酵重要过程变量软测量建模的方法。针对LSSVM模型重要参数常规选取方法缺乏方向与耗时过长等缺点,提出了基于果蝇优化算法(FOA)与混沌(chaos)算法的重要参数设计方法。实验结果表明,CFOA搜索模型重要参数的效率更高、速度更快且迭代精度更高,采用寻优参数的LSSVM软测量模型训练时间更短、预测精度更高,泛化能力更为优异,能够实现重要过程变量的实时测量。2、针对秸秆发酵多变量、时变性和非线性等特点,以CFOA-LSSVM模型为基础构建非线性预测控制模型,同时为了避免直接运用非线性模型预测时的复杂计算,影响实时控制,在采样点采用线性化操作得到线性的预测模型。基于此,提出了秸秆分批补料发酵重要过程变量的广义预测控制方法,实现了闭环优化控制。仿真表明,所建预测模型预测的控制质量更高,其测量准确度更高、稳定性更强。3、针对传统Diophantine方程求解控制量的方法具有的计算量过大、复杂度过高等缺点,提出了采用人工鱼群算法(AFSA)作为滚动优化策略求解最优控制量的方法,并进一步优化了AFSA中的步长和视野范围,设计了广义预测控制器。实验结果与仿真表明,以AFSA为滚出优化策略的GPC能够针对控制量在线寻优,且有超调量小、系统更稳定等特点,优化了生产效率,提高了发酵产量和产物得率。4、基于Cortex A9的嵌入式控制单元和Visual C++平台开发了秸秆发酵乙醇数字控制系统,系统设计时分别完成了软、硬件设计,并将提出的重要过程变量软测量和闭环优化控制方法移植到系统中,与液态发酵装置组合使用。开发的监控界面在系统运行期间显示良好,可实现参量的显示、预估和发酵过程远程监控等功能,满足了发酵系统实时监控的要求。

关键词：软测量最小二乘支持向量机混沌果蝇优化人工鱼群广义预测控制

基于IFA-MLSSVM的海洋溶菌酶发酵过程软测量与补料预测控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于IFA-MLSSVM的海洋溶菌酶发酵过程软测量与补料预测控制

作者：诸紫燕江苏大学

学位级别：硕士

海洋溶菌酶作为一种新型来源的高盐基蛋白质,由于海洋微生物的多样性及特殊的高盐、高压、低温的生长环境,导致其具有比传统陆源溶菌酶更优质的生物活性物质,无副作用、无污染且具有高效的杀菌、抗病毒作用,现已成功应用于食品工业、医... 详细信息

海洋溶菌酶作为一种新型来源的高盐基蛋白质,由于海洋微生物的多样性及特殊的高盐、高压、低温的生长环境,导致其具有比传统陆源溶菌酶更优质的生物活性物质,无副作用、无污染且具有高效的杀菌、抗病毒作用,现已成功应用于食品工业、医药临床、生物工程、畜禽养殖等行业。在实际的海洋溶菌酶发酵生产中,为了获得更高产、高效的产品,节约材料与成本,避免对环境的污染并实现规模化生产,需要对海洋溶菌酶发酵过程进行有效控制。但是,海洋溶菌酶发酵涉及菌体的生长代谢,具有高度的时变性与不确定性,整个发酵过程受到各种参量影响,呈现出很强的非线性、耦合性,传统控制方法控制发酵过程有一定的难度,同时很多体现发酵质量的关键参量（菌体浓度、基质浓度、相对酶活）难以直接在线测量,而通常采用的离线检测方法具有较长的时滞性与染菌风险。这些问题严重制约了海洋溶菌酶的大规模工业化生产。针对上述问题,本文重点研究了海洋溶菌酶发酵过程关键参量的实时在线测量与补料预测控制,具体研究内容如下:首先,通过对LS-SVM基本原理的简述,针对传统LS-SVM核函数的局限性,提出了混合核函数LS-SVM建模方法（MLS-SVM）来提高模型建模精度;针对MLS-SVM参数选取随机性、依赖经验性的问题,采用性能良好的萤火虫算法（FA）进行模型的参数寻优,并提出了一种改进的萤火虫算法（IFA）,对FA本身进行了行为优化、搜索步长优化以及初始化分布优化,解决了标准萤火虫算法搜索速度慢及寻优精度不理想等问题;构建了改进萤火虫算法优化混合核函数LS-SVM模型（IFA-MLSSVM）,并对其预测效果进行了初步可行性验证,为后续章节软测量与补料预测模型的构建作理论支撑。其次,构建了基于IFA-MLSSVM的软测量模型,并将其应用于多输入多输出的海洋溶菌酶发酵过程关键参量在线测量中,通过分析发酵工艺、研究发酵过程各参数的耦合与影响情况,建立了与主导变量相关的动力学模型,并结合一致关联度法选择与各主导变量密切相关的辅助变量,建立了基于IFA-MLSSVM的海洋溶菌酶发酵过程软测量模型。为了提高各主导变量的预测精确度,针对不同的主导变量建立的软测量模型,根据其预测误差的大小针对性地选择出各自最适的混合核函数。通过对各主导变量的预测输出值进行实验分析,证明了该方法的可行性与精确性,为预测控制提供了理论依据。最后,针对海洋溶菌酶发酵过程出现的非线性、强耦合的特性,建立了基于IFA-MLSSVM的海洋溶菌酶发酵过程非线性多步补料预测控制模型（IFA-MLSSVM-NMMPC）,并针对滚动优化中求解目标函数的控制量问题出现的局部最优现象,采用了IFA进行滚动优化的改进,并基于软测量与补料预测控制方法构建了发酵过程闭环补料控制系统。从主导变量的控制效果、系统干扰存在时的跟踪效果以及跟踪误差的仿真结果可以看出该方法在海洋溶菌酶发酵过程补料控制的有效性,并对海洋溶菌酶发酵实验的实际曲线有很好的跟踪效果。

关键词：海洋溶菌酶软测量最小二乘支持向量机萤火虫算法预测控制

基于改进遗传算法的纤维素酶固态发酵控制系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进遗传算法的纤维素酶固态发酵控制系统设计

作者：童春梅江苏大学

学位级别：硕士

近年来生物技术蓬勃发展,酶催化剂行业得到了极大的发展,纤维素酶作为重要的酶之一被广泛应用于各行各业,其需求量供不应求。传统的纤维素酶液态发酵技术工艺复杂,亟待提高发酵产量和质量。固态发酵技术在现代生物技术的支持下得到了很... 详细信息

近年来生物技术蓬勃发展,酶催化剂行业得到了极大的发展,纤维素酶作为重要的酶之一被广泛应用于各行各业,其需求量供不应求。传统的纤维素酶液态发酵技术工艺复杂,亟待提高发酵产量和质量。固态发酵技术在现代生物技术的支持下得到了很大的发展,在本文所设计的纤维素酶发酵中表现良好,工艺较为简单,无污染,并且根据纤维素酶固态发酵特点设计了一套发酵设备,以提高纤维素酶固态发酵效率与产品质量。针对固态发酵过程中温度难以控制的问题,采用高性能、低功耗的ARM11搭建嵌入式控制系统,在传统的模糊PID基础上,引入遗传算法,在解决全局寻优的同时避免陷入局部最优,并且对遗传算法进行改进,将改进后的遗传算法优化模糊PID控制,达到和好的控制效果,超调小,具有较强的鲁棒性。控制系统分为上下位机,在上位机设计中加入系统管理、主界面、系统报表、系统报警和趋势曲线模块,加强人机交互能力,操作人员可根据实时情况进行参数的在线修改与手动控制/自动控制的自由切换。根据所设计的控制系统,对下位机进行设计,实现与上位机的通讯功能,选取合适的传感器与各元器件。传感器将所测发酵环境参数传输给下位机,环境参数一方面传送给上位机,在上位机界面形成历史数据库和曲线趋势图,方便操作人员分析;另一方面经过改进遗传算法优化的模糊PID控制对数据进行处理,根据处理过后的数据对相关发酵设备进行控制,达到对发酵温度的精确控制。设计完成后在现场搭建实验平台进行系统测试,结果表明上位机可以很好的呈现纤维素酶固态发酵过程中的环境参数变化,并且实时进行参数的在线修改,下位机对相关发酵设备进行有效控制,改进遗传算法优化的模糊PID将发酵罐温度控制在合理范围,且超调量小,系统稳定,具有较强的鲁棒性。

关键词：纤维素酶固态发酵改进遗传算法模糊PID 控制系统

基于DE-LSSVM的SRM转子位置间接检测及数字系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于DE-LSSVM的SRM转子位置间接检测及数字系统设计

作者：陈军江苏大学

学位级别：硕士

开关磁阻电机调速系统(Switched Reluctance Drive,SRD)是由开关磁阻电机(SRM)、电力电子开关及驱动控制组成的高性能电机调速系统。它具有一系列的优点:结构简单坚固、成本低、容错能力强、调控性能优良、启动电流小、转速精度高、控... 详细信息

开关磁阻电机调速系统(Switched Reluctance Drive,SRD)是由开关磁阻电机(SRM)、电力电子开关及驱动控制组成的高性能电机调速系统。它具有一系列的优点:结构简单坚固、成本低、容错能力强、调控性能优良、启动电流小、转速精度高、控制方便等,使得SRD成为当前电气传动系统的热门研究点之一。由于正常工作时SRM系统一直处于自同步状态,此时需采用位移传感器提供其相应的精确位置信息,而传统物理位置传感器的引入使得SRM结构变得异常复杂,同时物理传感器还存诸如精度低,位置调试参数误差较大等问题,这些都大大降低整个控制系统的性能指标。软测量技术的兴起为解决开关磁阻电机转子位置的间接检测提供了一个新思路、新方法:通过构建软测量建模间接获取电机转子位置的信息。摆脱传统物理传感器的局限性,采用“软测量”的方法对转子位置进行间接检测,实现SRM转子位置的实时、准确预测,对SRM的结构优化和提高系统控制精度均具有重要的理论和现实意义。本文使用最小二乘支持向量机方法构建开关磁阻电机转子位置软测量预测模型,软测量模型以绕组相磁链和相电流作为输入变量,转子位置作为输出变量,并根据模型偏差信号,采用差分进化算法(DE)对其进行参数优化,从而实现电机转子位置的实时、准确预测,MATLAB仿真结果验证了该方法的可行性和有效性。进一步基于SRM特性和软测量方法,设计了以TMS320F240数字信号处理器为核心的SRD高速数字化系统,对调速系统硬件电路和软计程序进行设计与开发,并在数字化控制系统的基础上,开展了SRM转子位置的实验研究。

关键词： SRM 转子位置检测最小二乘支持向量机差分进化算法