[发明专利]一种海洋低温碱性蛋白酶的发酵控制方法

说明书

本发明提供一种海洋低温碱性蛋白酶的发酵控制方法，本方法为基于人工鱼群改进ILC的新型海洋低温碱性蛋白酶的发酵控制方法，用于解决海洋蛋白酶发酵过程中，不易得到发酵最优个体和最优发酵控制参数的问题。首先利用采集到的输入输出样本数据，对BP神经网络进行训练和测试，得出跟踪误差曲线后，利用人工鱼群算法对迭代学习控制的增益参数进行不断地跟踪调整，直到得到满足精度要求的优化控制参数。本发明可根据现有的发酵数据获取最优的控制参数组合，摆脱了传统根据人工经验设置参数而带来的不便以及误差。

技术领域

本发明属于工业生产自动化控制技术领域，主要涉及海洋低温碱性蛋白酶MP的发酵控制方法。

背景技术

微生物发酵过程通常具有强耦合性、非稳态性、强非线性和时变性等特点，建立精确模型非常困难，传统的控制方法一般并不能起到良好的效果另一方面，在发酵过程中配方不变时，生产过程基本上是重复运行的，在每个批次运行周期内控制变量和产品质量都是沿着一定的操作变化轨迹运行，具有较强的重复性。

迭代学习控制(iterative learning control，简称ILC)适合于一类具有周期性、重复运行特性的被控对象，其思想出发点是对于在有限时间区间上重复执行相同控制任务的系统，其性能可以通过对以往重复过程的学习来得到改善。迭代学习控制算法期望利用前一个或多个批次的信息来更新下一批次的输入轨迹，使得输出轨迹尽快地收敛于期望的目标轨迹。

由于迭代学习控制在控制对象时，所采用的学习律中的学习增益参数是固定的，这样就使学习过程速度变慢，而人工鱼群算法是一种对初值不敏感的全局寻优算法，具有很好的跳出局部极值找到全局最优值的能力，能够极大地提高迭代学习控制的跟踪精度和收敛性。

发明内容

针对微生物发酵过程中，各方面参数难以达到预期的问题，本发明提供一种基于人工鱼群改进ILC的新型海洋低温碱性蛋白酶的发酵控制方法，用于解决海洋蛋白酶发酵过程中，不易得到发酵最优个体和最优发酵控制参数的问题。本发明首先利用采集到的输入输出样本数据，对BP神经网络进行训练和测试，得出跟踪误差曲线后，利用人工鱼群算法对迭代学习控制的增益参数进行不断地跟踪调整，直到得到满足精度要求的优化控制参数。本发明可根据现有的发酵数据获取最优的控制参数组合，摆脱了传统根据人工经验设置参数而带来的不便以及误差。

一种海洋低温碱性蛋白酶的发酵控制方法，包括以下步骤：

步骤一、发酵控制参数采集：通过智能控制器收集发酵控制参数并传送到上位计算机存储；

步骤二、发酵控制参数编码：所述步骤一采集得到发酵的输入输出数据，包括：发酵罐温度T、发酵液酸碱度pH、电机搅拌转速r、通气量l、海洋蛋白酶相对酶活P，并根据所得到的数据训练BP神经网络；

步骤三、初始化鱼群：采用开环P型迭代学习控制算法控制发酵时的发酵罐温度T、发酵液酸碱度pH、电机搅拌转速r、通气量l，以迭代学习控制的增益参数k_T、k_p、k_r、k_l，构建四维向量作为一条人工鱼个体，初始化鱼群；

步骤四、设置迭代学习控制初始值：设置初始状态下发酵过程的发酵罐温度T、发酵液酸碱度pH、电机搅拌转速r、通气量l，并以海洋蛋白酶相对酶活P为控制指标，计算每条人工鱼对应的跟踪误差，并记录最优个体；

步骤五、执行一次人工鱼群算法：当前鱼群分别执行觅食行为、群聚行为、追尾行为；

步骤六、选取人工鱼最优个体：判断执行完步骤五以后，人工鱼对应的跟踪误差是否降低，将所有人工鱼数据记入公告板，并选取跟踪误差最低的人工鱼数据作为当前批次、当前采样点迭代学习算法的增益参数；