谢氏丙酸杆菌产V_(B12)原位分离发酵

VB12是谢氏丙酸杆菌的胞内次级代谢产物,其传统发酵方法是分批发酵。发酵液中丙酸的浓度达到10g/L时就会对菌体生长产生抑制作用。因此及时地将丙酸从发酵液中分离出去,将会提高菌体浓度,从而可以显著提高VB12产量。文中将无机陶瓷膜分离技术与谢氏丙酸杆菌发酵耦合,构建了一种新型原位分离发酵系统,通过活性炭吸附成功地将发酵体系中的丙酸分离出去,有效解除了丙酸对菌体生长的抑制作用,实现了VB12的高密度发酵,菌体干重由13.5 g/L提高到35.99 g/L,提高了1.67倍,VB12的产量由33.5 mg/L提高到63.1mg/L,提高了0.88倍。     

基于Hammerstein模型描述的非线性系统辨识新方法

Hammerstein模型常用来描述pH值或具有幂函数、死区、开关等特性的过程,本文提出了一种辨识此类对象模型结构和参数的新方法,首先将非线性静态部分和线性动态部分分别用非线性基和Laguerre级数表示,然后通过最小二乘法、矩阵特征值分解和矩阵扩维,辨识出两部分参数．并证明了该方法在输出端存在白噪声情况下误差的收敛性．此方法仅需假设输入为持续激励,适用范围广,计算简单,辨识精度高．最后通过pH中和滴定实验验证了以上结论．     

重庆房地产发展驱动力研究

厘清房地产业影响因素,明确驱动力影响因素重要程度,对于保障宏观经济平稳运行以及房地产业健康持续的发展都具有重要的现实意义.本研究对发展重庆市房地产业评价具有理论价值,更对指导重庆市房地产健康平稳发展具有现实意义.     

重油分馏塔基于混沌神经网络的Laguerre函数模型自适应预测控制

基于Laguerre函数模型的自适应预测控制方法中的性能指标,在有约束的情况下往往难以达到全局极优,而混沌神经网络(CNN)可以有效地避免优化过程陷入局部极小.文章简介了Laguerre预测控制策 略的基本方法和CNN的特点,着重提出了一种利用CNN对控制性能指标进行寻优的新颖策略.在重油分馏塔Shell模型上的仿真实验结果表明,这种混合智能控制策略比原有控制策略在控制品质上有显著提高.     

具有Hammerstein模型描述的非线性系统的基于混合神经网络的预测控制

本文针对多输入多输出Hamrnerstein模犁提出了一种基于混合神经网络的模犁预测控制策略,控制器采用线性优化机构和高斯径向基神经网络串联.该策略不需要假设Hammerstein模型的非线性部分由多项式构成,避免了已有研究在无根或重根情况下存在导致预测控制的优化特征丧失问题,而采用混合神经网络则避免了采用传统神经网络拟合动态映射时存在的网络规模大和实时性差的不足.     

甲醇毕赤酵母Pichia methanolica的高效电转化方法

采用电穿孔的方法对甲醇毕赤酵母进行外源DNA的转化。通过调整参数,对影响电转化效率的主要因素进行探索,建立了质粒pMETA-Lip对甲醇毕赤酵母PMAD16的高效电转化方法。结果表明,当采用对数生长中期的菌体制备感受态细胞、质粒DNA浓度为30μg/mL、采用0.2cm电转杯、电压为600 V时,转化率达到最大值,为57个转化子/μg质粒DNA。经抽样鉴定所得到的转化子均为阳性克隆。为外源基因在甲醇毕赤酵母中的表达奠定了基础。     

强非线性系统的一种快速神经网络控制策略

采用传统的神经网络逆模策略控制具有强非线性的系统,因其计算量过大导致在线实时性能不佳.本文提出一种新型快速径向基神经网络在线逆模控制策略,并利用锥度准则对控制系统的稳定性进行了理论分析.对强非线性对象的控制仿真结果表明,在保证控制精度的前提下,该算法大大提高了控制器运算的速度,且对扰动、时延、非线性及对象参数的摄动有较强的适应能力,具有较好的控制品质,适合应用于复杂工业过程控制器的设计.     

基于混合径向基神经网络的建模及其逆模控制研究

传统的基于机理或局部线性化模型的控制策略不足以解决越来越复杂的控制问题,而神经网络用于控制也存在泛化能力差等缺陷,因此本文提出一种将被控对象已知机理和RBF神经网络结合起来实现逆模控制的方法.一方面能发挥神经网络非线性逼近的强大功能,另一方面利用被控对象已知机理信息指导神经网络的收敛方向,改进神经网络的泛化能力.由此方法设计的逆模控制器,在保证控制精度的前提下,速度远快于标准径向基神经网络逆模控制器,且对扰动、时延、非线性及对象参数的摄动有较强的适应能力,具有良好的控制品质.     

BP网络结构、参数及训练方法的设计与选择

根据已有的BP网络设计及其改进方案,对一个人工神经网络进行具体的设计,通过其详细的设计步骤与过程,对网络隐含层神经元数、初始权值、学习速率等参数在BP网络设计过程中的关系与影响,以及不同的改进算法在网络训练中所起的作用给予进一步揭示,使人们从中得到更多的启迪,以便使更多的人能够设计出效率更高、精度更好的神经网络。