基于人工智能的生物发酵控制系统方法

研究发酵控制优化问题,发酵控制系统是一个复杂的大时延系统,发酵过程具有动态性、时变性,传统难以获得较高的控制精度.为了提高生物发酵控制精度,提出一种人工智能的生物发酵控制算法.采用神经网络的智能性捕捉发酵过程的时变性、动态性变化特点,并采用智能算法中的粒子群算法对控制模型参数进行快速优化,最后采用仿真对控制系统进行测试.仿真结果表明,提出算法提高了生物发酵控制系统的控制精度高,系统鲁棒性强,为生物发酵控制优化设计提供了参考.     

发酵过程在线仿真与优化

采用一种独特的计算机在线仿真方法,实现发酵生产过程在线建模与优化。     

基于模糊PID控制的生物发酵温度过程控制系统

根据生物发酵过程中温度的特性，采用模糊PID控制算法对发酵过程中温度进行自动控制，并利用MATLAB的Simulink和Fuzzy工具对模糊PID温度过程控制进行了仿真。实际运行结果表明：与常规PID控制相比，该方法提高了控制精度并减少了静态误差，缩短了调节过程时间，使发酵温度更有效地保持在生物发酵的最适范围，从而提高了产物产量，表明了模糊PID的优越性。     

生物发酵过程温度模糊PID控制系统的研究

针时生物发酵过程温度控制的非线性和时变性的特点,设计了一种基于模糊PID的温度控制系统.采用偏差和偏差变化率的变化规律为依据,查询模糊规则表生成控制规则,对发酵过程中难以整定的PID参数进行在线调节.将模糊PID控制算法应用于ε-聚赖氨酸发酵监控系统,对发酵罐的温度进行实时检测控制.通过实验验证了模糊PID的优越性.     

基于ARM9的生物发酵智能控制系统

介绍了基于ARM9内核和模糊神经网络的生物发酵智能控制系统.ARM9使用方便、实时性好,有利于复杂系统的控制.针对生物发酵控制过程中的时变性、非线性、延时性、随机性等特点,提出了采用基于遗传算法的模糊神经网络控制方法,该控制方法结合了遗传算法、模糊理论及神经网络的优点,在一定程度上解决了传统控制方法不易得到精确数学模型,难于对系统进行有效控制的不足.实验仿真表明:该系统具有较强的鲁棒性,能够达到预期的控制效果,可以实现对发酵系统进行有效控制.     

发酵过程建模与优化控制的研究

针对发酵过程的时变性和强非线性,本研究采用神经网络对发酵过程建模,在线预测某些重要生物参数,并以这些生物参数的预测值为指导,使用遗传算法(GA)在线优化主要的环境参数,确定各参数的最优轨线来控制发酵过程,并构建了由PC机和单片机组成的发酵优化控制的监控系统.实验表明,该控制系统应用于实际发酵生产过程能有效提高发酵生产效率.     

基于蓝牙技术的生物发酵控制系统研究

生物发酵是一个多控制参数、非线性、强耦合的复杂控制系统;深入分析生物发酵过程,构建了基于蓝牙无线通讯技术的数据采集通讯网络系统,并采用C++编程技术开发上位机监控界面,实现了控制系统各设备间的无线通信,解决了传统生物发酵控制系统中设备间搭建诸多电缆的复杂现场连线的问题,为生物发酵工业现场的数据采集与控制提供了一套可行的蓝牙多机通讯方案;实验表明,系统稳定可靠,各项参数满足控制要求,实现了对发酵过程的远程实时监控。     

青霉素发酵过程建模研究

青霉素发酵过程是一种具有非线性、时变性的复杂生化反应系统,由于一些生物参数在线检测困难,许多生化过程的代谢途径尚不明确,难以建立精确数学模型.而神经网络具有非线性、多变量、自学习、并行处理等特点,用于非线性系统的建模具有无可比拟的优势.因此,以青霉素发酵过程生化机理模型产生的数据为样本,训练RBF神经网络,建立了基于RBF神经网络的发酵过程模型.该模型可用于发酵过程中状态变量的估算与预测,并且可估计底物、产物、菌体浓度的变化趋势,对实际工作具有指导意义.     

支持向量机在丁二酸发酵过程建模中的应用

支持向量机是一种新的机器学习算法,它采用结构风险最小化准则,能有效提高模型的泛化能力.本文针对生物转化法生产丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,介绍了支持向量机回归建模算法在Matlab软件中的实现过程,对产物丁二酸浓度建立了预测模型,研究了SVM的小样本学习、泛化能力.仿真结果表明,与神经网络相比,SVM算法具有更好的推广能力,使得在未来工业化丁二酸发酵生产过程中针对丁二酸浓度的在线预估与优化控制成为可能.     

嵌入式系统在生物发酵中的应用

基于嵌入式系统的生物发酵系统,具有许多优点.首先论述了发酵系统的主要功能,然后根据BL2100嵌入式系统进行了控制系统设计,并且针对中小型发酵系统的特点,应用了过程控制中的许多先进控制算法,提高了系统的控制性能,基于以太网的通信系统使节点之间的组态更加方便.