FLAT网络在发酵过程建模中的应用

本文使用FLAT网络对一种工业规模的连续发酵过程进行了辨识 .发酵过程作为一种复杂的生化反应 ,它比一般的非线性系统更加复杂 ,FLAT网络用于发酵过程的辨识 ,可以得到较高的辨识精度 ,而且辨识速度快、泛化能力强     

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。     

发酵过程混合神经网络建模方法比较

对发酵过程中串联结构、并联结构、串并联结构混合神经网络模型的结构和训练方法进行了分析、对比研究,并提出了一种训练方式更简单的混合神经网络模型.仿真结果表明,混合神经网络模型比标准的神经网络模型建模精度高、泛化能力强.     

发酵过程混合神经网络建模方法比较

对发酵过程中串联结构、并联结构、串并联结构混合神经网络模型的结构和训练方法进行了分析、对比研究,并提出了一种训练方式更简单的混合神经网络模型。仿真结果表明,混合神经网络模型比标准的神经网络模型建模精度高、泛化能力强。     

人工神经网络的软测量技术在发酵过程中的应用

针对在生物发酵过程中一些关键参数难以在线测量的问题，介绍了工业过程先进控制系统中的软测量技术。讨论了利用人工神经网络的两种典型结构实现发酵过程中关键参数(如细胞浓度、基质浓度、产物浓度)在线测量的软测量方法。     

啤酒发酵过程中的模糊控制

针对啤酒发酵过程中影响其质量的重要指标之一的温度问题，研究了模糊控制在啤酒发酵过程中的应用。较详细叙述了模糊控制器的基本结构及实现方法，并在计算机上进行了仿真，实践结果证明了它的实用性。     

空气流量控制在阿维菌素发酵过程中的应用

在S．avermitilis发酵过程中引入质谱仪进行尾气的在线测定．发现正常过程产素期临界通气量为1600m^3／h;前期的OUR数值可以用于预测发酵正常与否;在非正常批次,产素期在尾气数据指导下利用空气流量限制发酵的初级代谢水平,起到部分恢复产素速率的效果．     

自组织神经网络在发酵过程建模 与控制中的应用

将改进的自组织神经网络的辨识算法,与预测控制理论相结合,应用于发酵过程的建模与控制中.改进的建模方法大大提高了算法的收敛速度,基于该算法的预测控制方案在发酵过程的非线性控制中,获得了良好的响应特性.     

空气流量控制在阿维菌素发酵过程中的应用

在S.avemitilis发酵过程中引人质谱仪进行尾气的在线测定.发现正常过程产素期临界通气量为1600m3/h;前期的OUR数值可以用于预测发酵正常与否;在非正常批次,产素期在尾气数据指导下利用空气流量限制发酵的初级代谢水平,起到部分恢复产素速率的效果.     

观测数据预处理及其在发酵动力学建模中的应用

针对观测数据中可能存在的异常数据，提出了一种异常数据检测和剔除的预处理方法，并将它成功地应用于发酵过程中菌体生长的观测数据预处理，建立了拟合精度较高的发酵动力学模型。     

自组织神经网络在发酵过程建模与控制中的应用

将改进的自组织网络的辨识算法,与预测控制理论相结合,应用于发酵过程的建模与控制中,改进的建模方法大大提高了算法的收敛速度,基于该算法的预测控制方案要在发酵过程的非线性控制中,获得了良好的响应特性。     

智能控制在发酵过程中的应用

提出了一种智能控制系统应用于发酵过程的新方法。该系统按功能可分成两层；底层执行数据采集、实施控制等常规任务；上层是一个实时专家系统，综合生物工程和控制工程经验指导发酵过程操作，如传感器有效性检查、事故诊断、流加策略优化等。基于智能控制策略，Ｌ－异亮氨基酸发酵产率提高４％，发酵时间缩短６％。     

基于BP神经网络的L-色氨酸发酵过程建模

运用BP神经网络对L-色氨酸的发酵过程进行建模并预测，所建立的模型能够比较精确地模拟菌体生长、底物消耗以及发酵产酸3个过程的变化。结果表明，BP神经网络在L-色氨酸发酵的模拟与预测中是一种高效快速的方法。     

神经元网络在谷氨酸发酵过程中的应用

针对谷氨酸发酵难以建立精确的数学模型这一问题,提出一种基于人工神经网络（ANN）的菌体浓度预测方法.首先对历史数据进行主元分析,提取特征信息,然后用实际生产过程中的训练数据训练神经网络,建立主元之间内部非线性关系,得到关于菌体浓度的非参数模型.仿真结果表明：该非参数模型泛化能力较强,并能达到很高的预测精度.     

模糊控制在酵母发酵过程中的应用

针对酵母发酵过程中乙醇浓度控制难的现状，应用模糊控制技术对其进行控制，建立了控制酵母发酵过程中葡萄糖流加速率的模糊控制器。该模糊器的模糊规则可以根据专家经验方便的修改以提高控制效果。实验表明，该控制方法行之有效，并取得了较好的控制效果。     

LS_SVM和SVM在发酵过程建模中的比较

针对最小二乘支持向量机 (LS_SVM) 不需要指定逼近精度ε的特点, 比较了LS_ SVM与SVM两种方法利用生产数据为青霉素发酵过程建立的数学模型, 改进型GA分别为LS_ SVM和SVM选择参数值.实验证明:LS_ SVM建立的模型具有较高的拟合精度和泛化能力.如果ε过大时, SVM建立的模型的拟合精度和泛化能力不高;当ε过小时, 模型的拟合精度和泛化能力较高, 但耗时多.因此, LS_SVM更适合为发酵过程建模.     

抗生素发酵过程微机控制系统

抗生素发酵过程微机控制系统梁学贤，杨正义一、概述抗生素发酵是一个复杂的生化过程，在实际生产过程中，许多参数不能在线检测，加之由于手工操作等因素的影响，使得生产起伏很大，重复性差，工艺无法稳定，长期以来我国抗生素发酵水平一直不高。为此，国家医药管理总局...     

神经网络在过程建模中的应用

阐述了神经网络用于过程建模目前存在的问题，提出了改进的方法，并将此应用到了大型炼油厂脱蜡过程的建模中。通过比较改进前后的ＢＰ算法仿真结果可以看出，改进后的算法在网络的训练收敛速度上有了较大提高。