[发明专利]食用菌发酵生产过程关键参量的软测量方法

说明书

本发明公开了食用菌发酵生产过程关键参量的软测量方法，用于解决食用菌发酵中难以在线实时测量的关键生化量的在线估计问题。首先通过对食用菌发酵过程工艺机理的分析,选取合适的辅助变量并根据历史罐批数据建立训练样本数据库；对当前待预测罐批发酵过程主导变量和辅助变量结合历史发酵过程主导变量和历史辅助变量构成最小二乘支持向量机软测量训练样本数据库且构造与之对应的软测量模型,再利用灰狼算法优化软测量模型中的正规化参数γ和核参数σ²且建立基于灰狼优化最小二乘支持向量机软测量模型,最后获得相应关键生化参量预测值；本发明采用模拟灰狼行为的灰狼优化算法，结构简单、参数设置少、全局搜索能力强，并且不考虑梯度信息的优势。

技术领域

本发明属于软测量及软仪表构造的技术领域，具体涉及一种用于解决食用菌发酵生产过程中难以用物理传感器在线实时测量的菌体浓度、基质浓度、食用菌产物质量这三个关键生化变量的在线估计问题。

背景技术

随着食用菌产业的高速发展，我国传统小规模滞后生产模式已经不能满足当今市场的要求，因此实现食用菌液态深层发酵并自动化生产将是我国未来的主流种植模式方向。然而应用先进自动化生产首先遇到的一个问题就是食用菌子实体的质量等观察发酵过程的关键参量难以在线实时检测。基于此，软测量技术得以应用在食用菌发酵过程中。为了解决这类变量的测量问题，软测量技术应运而生。所谓软测量就是根据某种准则，选择一组既与被估计变量(即被测量或主导变量)有密切联系又容易测量的直接可测变量(即辅助变量)，通过构造一定的函数关系，用计算机软件实现对被测量的估计。目前采用的软测量方法，多数基于线性系统理论，对于化工、生化过程这样的非线性特性严重的复杂过程，这种方法只能在很小的工作区域内有效，不能解决整个工作区域的被测变量的软测量问题。

最小二乘支持向量机(LS-SVM)建模方法采用结构风险最小化原则和核技术，由于其适用于有限样本、非线性问题，所以其在软测量领域的应用所形成的基于最小二乘支持向量机的软测量方法，为生化、化工过程的关键生化变量的软测量问题的解决，提供了强有力的手段。在建立食用菌发酵过程的LS-SVM软测量模型时，正规化参数γ和核参数σ²直接影响到软测量模型的拟合性能和泛化能力，但在实际使用时，LS-SVM软测量模型的正规化参数γ和核参数σ²陷入局部极值的概率大，全局优化能力差,影响其测量精度。

发明内容

本发明的目的是提供一种食用菌发酵生产过程关键参量的软测量方法。即提出了一种食用菌发酵过程非常重要但是难以用物理传感器在线实时测量或者实时测量代价非常高的生化变量(菌体浓度、基质浓度、食用菌产物质量)的在线估计方法。采用如下技术方案：

一种食用菌发酵生产过程关键参量的软测量方法，具体步骤如下：

1.一种基于灰狼算法优化的食用菌发酵过程，选取食用菌发酵过程中的空气流量q、搅拌功率w、CO₂释放率CER、溶解氧DO、发酵液酸碱度pH作为辅助变量及菌体浓度X、基质浓度S、食用菌产物质量P作为主导变量，其包括以下步骤：

(1)从历史发酵过程参量数据库中，选取辅助变量。构成最小二乘支持向量机软测量训练样本库；

(2)对最小二乘支持向量机软测量训练样本数据库中的样本数据进行归一化处理，构造与之对应的最小二乘支持向量机软测量模型，利用灰狼算法优化软测量模型中的正规化参数γ和核参数σ²，建立基于灰狼优化最小二乘支持向量机软测量模型，并训练及测试该模型；

(3)根据当前待预测罐批的最新数据集，获得相应关键生化参量预测值。

上述所述利用灰狼算法优化软测量模型中的正规化参数γ和核参数σ²的具体步骤是:

步骤一：选取训练样本和检验样本，设定参数γ和σ²的搜索范围、最大迭代次数、种群规模等；