[发明专利]一种赖氨酸发酵过程关键变量的模糊神经网络逆软测量系统及方法

说明书

本发明公开了一种赖氨酸发酵过程关键变量模糊神经网络逆软测量系统及方法，通过确定赖氨酸发酵过程的在线直接可测量量和需离线化验的不可直接测量量，模糊神经网络逆软测量方法依据赖氨酸发酵过程的模型建立软传感器的模型，在此基础上依据求反函数的方法建立软传感器逆的模型，然后采有静态模糊神经网络加微分器并通过对静态模糊神经网络的训练确定自由参数构造模糊神经网络逆，实现该软传感器逆，最后将模糊神经网络逆串接在赖氨酸发酵过程之后，实现对菌体浓度x₁、基质浓度x₂、产物浓度x₃的在线实时软测量。可以有效解决赖氨酸发酵过程中难以用物理传感器在线实量测量的关键变量的在线估计问题。

技术领域

本发明属于微生物发酵过程的先进控制领域，尤其涉及一种赖氨酸发酵过程关键变量 的模糊神经网络逆软测量方法。

背景技术

在许多工业控制场合，存在一大类这样的变量与产品质量密切相关，需要严格控制， 但由于技术或者经济的原因，目前尚难以或者无法通过物理传感器直接进行检测，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。

由于模糊神经网络兼备模糊逻辑和神经网络的优势，善于利用已有经验知识且对复杂 非线性函数具有任意逼近能力的特性，其在软测量领域的应用所形成的基于模糊神经网络 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。但目前在对基于模糊神经网络的软测量方法的研究与应用中存在一些问题，主要是 对辅助变量的选择(包括辅助变量的导数阶次的选择)，辅助变量的选择确定了软测量的输 入信息矩阵，关系着软测量模型的结构和输出，在很大程度上决定着软测量模型的准确性。 而传统辅助变量的选择主要依据工业对象的工艺机理以及专家经验来选择辅助变量，这样 确定的辅助变量数量可观，且相关程度差异大，将它们全部作为软测量的辅助变量，模型 势必十分复杂，不但不能提高软测量的精度，而且工业对象的重要信息也可能被遗漏。因 此，必须寻求新的方法，该方法不仅能确切地知道哪些辅助变量影响主导变量，还明确地 知道这些辅助变量导数的具体阶次。

在赖氨酸的发酵过程，实际发酵中关键参量(基质浓度、菌体浓度、产物浓度)的测量大多采用人工取样、离线测量的手段，如干重法、直接染色法、光密度法和细胞计数法等。这些方法操作复杂，滞后时间长，测量误差大、易引入人为污染，且测量精度受细胞 死亡、测量误差等因素影响，不能及时反映发酵过程当前状态，难以满足赖氨酸发酵实时 动态调控的要求。

发明内容

本发明根据现有技术的不足与缺陷，提出了一种赖氨酸发酵过程关键变量的模糊神经 网络逆软测量方法，目的在于实现对难以用物理传感器在线实时测量的菌体浓度、基质浓 度、产物浓度的软测量。

采用的技术方案如下：

一种赖氨酸发酵过程关键变量的模糊神经网络逆软测量系统，包括软传感器、传感器、 ARM处理器、键盘电路、LCD显示器和上位机；所述软传感器与传感器之间通过线路连接；传感器与ARM处理器之间通过滤波电路连接；ARM处理器通过线路分别与键盘电路、 LCD显示器和上位机；

所述传感器包括流量传感器、溶氧传感器、PH值传感器以及体积传感器；所述流量传 感器接收流加输入量(葡萄糖流加速率u₁、玉米浆流加速率u₂、豆饼水解液流加速率u₃、硫酸氨流加速率u₄、碳酸钙流加速率u₅)，并将流加输入量传输到滤波电路，经滤波电路后输入到ARM处理器，进行处理；