微生物青贮剂制备中酵母菌发酵过程DO的预测控制

论文摘要

随着科学的不断发展,生物化工学工程(Biochemical Engineering)在国民经济中越来越重要了,尤其是在一些新的生化工程领域,如生物制剂等,这一领域的过程控制、操作管理、优化生产便成为很重要的研究课题。课题的依托背景是国家“十五”农业成果转化重大攻关项目—新型微生物青贮剂的中试生产的自动控制系统的设计,新型微生物青贮剂是利用自行选育的优良的乳酸菌株和酵母菌株按比例配伍后,添加激活剂,并应用菌种保活后加工技术来进行制备。本课题以控制其中的酵母菌发酵过程为主要目的,重点是对酵母菌发酵过程有重要影响的DO参数进行控制。本课题在做了大量实验和查阅了相关参考文献的基础上,对酵母菌发酵过程的DO参数采用预测控制。在预测控制中采用比常用的神经网络更先进的建模方法—支持向量机(support vector machine, SVM)来建立系统的相对精确的模型,用遗传算法(GA)来优化求解各时刻最佳控制DO值。论文的最后提出了对DO值的控制装置的设计思路。本论文对酵母菌发酵过程的DO的预测控制是离线进行的,以DO为优化参数,通过仿真证明了此种方法的可行性和有效性,优化结果表明采用预测控制可以获得较好的控制效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.1.1 研究背景
• 1.1.2 新型微生物青贮剂的工艺流程
• 1.2 发酵过程中DO 控制的研究现状
• 1.3 主要研究内容及意义
• 1.3.1 研究目的
• 1.3.2 研究内容
• 1.3.3 研究意义
• 参考文献
• 第二章 酵母菌发酵过程中DO 参数的控制方法
• 2.1 青贮剂制备硬件系统及控制原理
• 2.1.1 青贮剂制备系统的硬件图
• 2.1.2 系统的控制原理
• 2.2 酵母菌发酵过程中的DO 参数
• 2.3 DO 的控制策略
• 参考文献
• 第三章 基于支持向量机的预测控制
• 3.1 预测控制概述
• 3.2 预测控制的基本原理
• 3.3 预测控制中的几个问题
• 3.3.1 预测控制的稳定性与鲁棒性
• 3.3.2 预测控制中存在的问题
• 3.3.3 预测控制与智能控制的结合
• 3.4 支持向量机的基本理论
• 3.4.1 线性情况
• 3.4.2 非线性情况
• 3.4.3 关于支持向量机方法的说明
• 3.5 基于支持向量机的预测控制
• 参考文献
• 第四章 遗传算法
• 4.1 遗传算法的基本思想和原理
• 4.2 应用遗传算法的具体步骤
• 4.3 种群数量、交叉率、突变率和世代数对优化计算的影响
• 4.4 遗传算法的改进
• 4.4.1 高级操作算子
• 4.4.2 变长度染色体编码
• 4.4.3 小生境遗传算法
• 4.4.4 多种群遗传算法
• 4.4.5 混合遗传算法
• 参考文献
• 第五章 酵母菌发酵过程预测控制的实现
• 5.1 支持向量机辩识
• 5.1.1 支持向量机辩识的内涵
• 5.1.2 支持向量机辩识的特点
• 5.2 支持向量机建模的基本原理
• 5.3 基于支持向量机的非线性系统建模
• 5.4 目标函数的选取
• 5.5 仿真实验实例
• 5.6 酵母菌发酵过程预测控制的实现
• 5.6.1 酵母菌发酵过程支持向量机建模
• 5.6.2 酵母菌发酵过程DO 参数的优化曲线及结果分析
• 5.7 实现最佳DO 值的控制装置设计
• 参考文献
• 第六章 结论与展望
• 6.1 课题总结
• 6.2 展望
• 致谢
• 攻读硕士学位期间发表论文清单