基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题．基于RBF神经网络的辨识方法，建立了青霉素发酵过程模型．以动力学模型为基础产生教师数据，采用遗传算法对网络进行训练，建立了基于RBF神经网络的发酵过程模型，并进行了仿真实验验证．实验结果表明，该辨识模型对青霉素补料分批培养过程具有实用价值．     

分批补料乙酸发酵条件的优化

利用10L发酵罐进行乙酸分批补料发酵工艺条件的优化：发酵前8h采用发酵温度30℃、0．07VVM的通风量;8h后采用发酵温度32℃、0．10VVM的通风量,并采用间歇定量补料方式,发酵到12h,每隔4h补加0．5％的乙醇．     

青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一，其浓度与菌体细胞的生长速度密切相关．在青霉素发酵过程溶解氧变化机理的基础上，将模糊神经网络和变结构预估控制方法相结合，研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法，设计了青霉素发酵过程溶解氧的变结构预估控制系统．实验结果表明，对青霉素发酵过程中的溶解氧浓度进行变结构预估控制，可以使溶解氧浓度的调节达到满意的效果，既降低氧消耗，又避免出现氧抑制现象，使发酵过程始终处于较优的状态．     

化工过程的非线性内模控制策略（Ⅱ）─—发酵过程

针对连续发酵过程，建立了基于非线性内模控制策略的调节器设计方法．当分别用稀释速率和加料基质浓度作为操作变量以控制产品产率时，通过仿真评价了所构成系统的品质指标．仿真实验结果表明，非线性内模控制策略可以用于发酵过程的控制，并具有良好的鲁棒性．     

重组人白细胞介素-6补料分批发酵工艺研究

在传统分批发酵工艺的基础上。对E.Coli表达IL-6的补料分批发酵工艺进行研究，结果表明：在发酵诱导前补料可在表达纯度相差无几的情况下提高菌体的产量，最终提高了生产效率，降低了成本。通过几次发酵比较，结果如下：分批补料工艺菌体生物量平均为10．8g/L，SDS—PAGE电泳法测IL-6表达量平均为40％，比分批发酵8．3g／L的菌体生物量及3．5％的纯度提高30．1％和3．9％。     

赖氨酸摇瓶发酵条件的优化

针对赖氨酸发酵的经要求,以黄色短杆菌ＷＳＨＬ１为产生菌进行摇瓶条件下的赖氨酸发酵条件研究,通过正交实验得到了较佳氨源配比;经在发酵过程中添加几种氨源的试验,发现酵中后期添加适量有机氮源利于发酵;考察不同初始硫酸铵和葡萄糖浓度对发酵的影响,确定了适合工业生产的浓度范围;采用分批补料培养方式,最终赖氨酸盐酸质量浓度为８５．５ｇ／Ｌ。     

GL-7ACA酰化酶基因工程菌(E.coliBL21(DE3)pYW-GA)发酵工艺的优化

探索了组成型重组大肠杆菌E.coliBL21(DE3)pYW-GA高效表达GL-7ACA酰化酶(EC.3.1.5.11)的发酵工艺.在摇瓶培养获得GL-7ACA酰化酶工程菌的最佳发酵条件的基础上,用5L自控发酵罐进行分批补料培养,为减少细菌代谢过程中有害的物质(主要是乙酸)的产生及酶的高效表达,发酵过程中采用不同的流加方式进行补料,同时对转速和溶氧等进行控制.考察了恒速流加、pH反馈流加和指数流加几种补料模式,比较得出菌浓最高的是pH8.0反馈流加这一模式,OD600可达35,而酶活最高的模式是pH7.0反馈流加,最高酶活可达3 463.8 U/L.大肠杆菌E.coliBL21(DE3)pYW-GA高效表达GL-7ACA酰化酶的发酵工艺的建立为工业化生产GL-7ACA酰化酶和头孢类抗生素提供了基础.     

不规则取点范围的测量控制网点位优化设计

控制网最优设计中，将点位优化时的选点范围近似为矩形，讨论了当测量控制网网形设计中控制点选点范围的不规则多边形的点位最优化设计问题，以最优化的理论和方法为基础，设计了一套在迭代过程中动态确定单维搜寻区间，单维搜寻时采用０．６１８法的控制点点位优化迭代算法，可获满意的计算效率，并在算法上使点位优化处理的方法更具有一般性。     

混联式混合动力系统多能源综合控制策略

为实现混合动力车辆的能源管理与控制,针对混联式混合动力系统设计了基于分层结构的多能源综合控制策略.该策略将混合动力控制逻辑划分为决策层、中间层与伺服层:决策层确定系统总功率需求与控制模式;中间层进行功率分配并确定各部件稳态控制目标;伺服层根据控制品质要求确定动态过程瞬时控制目标.开发多能源综合控制器ECU软硬件,并对硬件在环仿真平台上进行典型工况测试.测试结果表明,设计的混联式混合动力系统多能源综合控制策略实现了混合动力车辆的能量管理与控制,发动机工作点得到优化配置,提高了燃油经济性.控制策略的分层结构设计方法,使控制逻辑更为简明、清晰,同时兼顾了功率流的优化配置与动态过程的品质控制要求.     

发酵罐温度的模糊预测控制方法

白酒发酵过程具有非线性、滞后等特性,而常规PID控制和模糊控制属于事后控制,难以实现精准控制,该模糊预测控制方法将模糊和预测控制策略的优势集中起来,设计出满足需求的模糊预测控制器,并运用到实际生产中。使用MATLAB的SIMULINK模块进行比较性模拟仿真。仿真结果表明,该设计方法可以较好地适应发酵过程的复杂环境,具有提高控制精度和响应时间的效果,在发酵过程控制中具有实用价值。     

基于秩-1矩阵摄动的递归主元分析算法

针对传统主元分析（PCA）算法仅适用于定常系统监测的不足,提出了一种基于秩-1矩阵摄动的递归主元分析（RPCA）算法以适应实际工业过程的时变特性.RPCA算法首先对初始化样本协方差矩阵进行特征值分解,得到特征向量矩阵与特征值矩阵;然后在各时刻采用秩-1矩阵摄动算法对这两个矩阵递归更新并对其各向量与各元素排序,同时以累计方差百分比（CPV）为标准选取主元数目,从而显著降低了运算复杂度,节省了存储量.青霉素间歇发酵过程在线监测的仿真结果表明,RPCA算法大大降低了系统的误警率,并及时监测出过程中存在的故障.     

基于多阶段动态PCA的发酵过程故障监测

针对间隙发酵过程具有多阶段、批次不等长,且过程动态非线性往往与发酵阶段密切相关等特点,提出一种基于多阶段动态主元分析(principal component analysis,PCA)的故障监测策略.该方法采用高斯混合模型(Gaussian mixture model,GMM)对过程数据进行聚类,能客观反映不同阶段操作模态的数据分布特点,可实现子阶段划分.针对各批次阶段划分后存在的不同步问题,采用动态时间错位(dynamic time warping,DTW)方法对各阶段进行轨迹同步,对同步后的子阶段建立动态PCA模型.最后以工业青霉素发酵过程和重组大肠杆菌制备白介素-2发酵过程为背景,采用多阶段动态PCA策略对其进行故障监测,发现算法能有效降低运行过程的漏报和误报率,验证了算法的有效性。     

基于多约束DTW的MPCA间歇过程监测方法

针对间歇过程固有的批次不等长问题,也为了克服传统解决批次间同步问题方法存在的数据浪费、扭曲原始过程变量的自相关及交叉相关关系的严重缺陷,提出基于多约束的动态时间规整(dynamic time warping,DTW)方法,按照轨迹中点与点的模式进行动态匹配解决的同步问题.同时,引入了全局路径限制和失真度阈值限制对DTW方法进行改进,解决了传统DTW方法长时间运行造成的故障监测严重滞后的问题,同时克服了其处理过程的复杂性与其离线性导致其实际应用的困难.用多向主元分析(multiway principal component analysis,MPCA)方法将多约束DTW处理过的数据进行建模.将该方法应用到青霉素发酵过程仿真实验中,结果表明:该方法能够快速准确地对不等长批次进行规整,与传统方法相比,故障的误报率、漏报率明显降低.     

纤维乙醇发酵工艺的比较及放大试验研究

为了得到高效的纤维乙醇发酵方式,在酶解和发酵适宜的条件下,以汽爆玉米秸秆为原料对分步糖化发酵、同步糖化发酵、预酶解补料批式糖化发酵和变温同步糖化发酵生产乙醇的4种工艺进行了对比研究.试验表明:变温同步糖化发酵效率较高,其乙醇体积分数为4.98%,比同步糖化发酵提高了7.56%,比预酶解分批补料糖化发酵提高了12.60%,比分步糖化发酵提高了23.07%.在50 L发酵罐内进行了变温同步糖化发酵的放大实验,乙醇体积分数为4.26%;同时对放大实验中酵母浓度随时间的变化关系、残糖浓度随时间的变化关系和乙醇的体积分数随时间的变化关系进行了考察.     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

基于细胞自动机的青霉素菌体生长可视化模型

为了更好地反映出青霉素发酵过程中菌体生长的复杂系统特征,在对青霉素生长分批发酵过程菌体生长机理研究基础上,建立了基于细胞自动机的青霉素分批发酵过程中菌体生长的可视化模型．模型采用二维彩色图案描述了青霉素菌体的生长演化过程;模型演化规则建立在青霉素生产分批发酵过程菌体生长机理及其动力学微分方程模型基础上,更加符合青霉素分批发酵过程菌体生长演化行为的多样性,随机性和不确定性的特点．仿真结果表明,该模型较好地描述了青霉素分批发酵过程中菌体生长的演化行为．     

基于MICA-OCSVM的间歇过程故障监测

针对多向独立成分分析(multi-way independent component analysis,MICA)需要假设过程变量服从非高斯分布的要求,以及MICA基于马氏距离构造的监控统计量会导致故障检测率降低的问题,研究了一种将多向独立成分分析与单类支持向量机(one-class support vector machines,OCSVM)相结合的MICA-OCSVM监测方法.首先采用MICA提取间歇过程所有批次的独立成分;然后分别对每个时刻的所有批次的独立成分进行OCSVM建模,利用确定的决策超平面构造非线性的监控统计量;最后计算所有建模数据的监控统计量,并利用核密度估计确定相应的控制限.将该方法应用到青霉素发酵过程仿真平台,实验结果表明:该方法相比于传统的MICA故障监测方法,无需考虑过程变量服从何种分布,能够有效利用独立成分的结构信息,故障的误报率、漏报率明显降低.     

混合神经网络建模方法在青霉素发酵过程中的应用

本文采用广义混合神经网络建模方法对青霉素发酵过程进行建模，根据青霉素发酵过程可在线测量过程参数二氧化碳生成率CER，实现青霉素发酵过程生物质浓度的测量。由仿真实验结果可以看出，该方法建模精度高、泛化能力强。