发酵过程模糊自适应控制方法的研究

论文摘要

微生物发酵过程具有高度的非线性和时变性,其内在机理非常复杂。一些重要的过程变量不能在线测量,导致发酵过程的建模和控制更为复杂。本文以谷氨酸发酵过程为研究对象,应用智能控制方法,对于该过程的建模和控制问题进行了研究。以味精生产过程现场记录的大量数据为基础,利用神经元网络建立了谷氨酸发酵过程的多变量动态数学模型。然后将模糊控制理论、神经网络理论和遗传算法相结合,设计了基于遗传算法的自适应模糊神经网络控制器。首先应用遗传算法调节控制规则前件变量的隶属度函数参数和后件变量的作用值,之后再用BP学习算法进行在线调节。以本文所建立的发酵过程神经网络模型为对象进行了仿真研究,并针对菌体浓度测量环节存在干扰的情况设计了仿真实验,结果证明该控制器能够对谷氨酸发酵过程进行有效的控制,并且能够有效地适应和感知操作和环境的变化。最后将发酵过程的离线最优化控制方法与在线自适应模糊神经网络控制方法相结合,设计了主辅结合的混合式模糊自适应发酵过程控制方法。以离线优化操作轨迹为主要控制量,同时以模糊自适应控制器的输出为辅助控制量,对于主控制量作在线修正。通过仿真实验证明应用混合式模糊自适应控制器既可以保证较高的产酸率,又可以有效的防止发酵过程中存在的一系列干扰。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 谷氨酸及其发酵简介
• 1.2.1 谷氨酸简介
• 1.2.2 谷氨酸发酵的历史和发展现状
• 1.3 发酵过程建模和控制概述
• 1.3.1 发酵过程建模概述
• 1.3.2 发酵过程控制概述
• 1.4 本文主要工作
• 第2章 谷氨酸发酵过程神经网络建模方法
• 2.1 谷氨酸发酵工艺过程概述
• 2.2 发酵过程神经网络建模原理
• 2.2.1 神经网络建模特点
• 2.2.2 神经元及人工神经网络模型
• 2.2.3 神经网络的训练与学习
• 2.2.4 BP神经网络
• 2.3 谷氨酸发酵过程模型建立
• 2.3.1 BP神经网络模型结构
• 2.3.2 BP神经网络的训练数据
• 2.3.3 仿真研究
• 2.4 本章小结
• 第3章 发酵过程模糊自适应控制器设计
• 3.1 遗传算法
• 3.1.1 遗传算法概述
• 3.1.2 遗传算法特点
• 3.1.3 遗传算法基本概念
• 3.1.4 遗传算法的原理和步骤
• 3.2 模糊控制
• 3.2.1 模糊控制概述
• 3.2.2 模糊控制系统的组成
• 3.2.3 模糊控制器的设计
• 3.3 基于遗传算法的模糊神经网络控制器设计
• 3.3.1 模糊系统和神经网络的融合
• 3.3.2 模糊神经网络控制器
• 3.3.3 遗传算法优化网络参数
• 3.4 谷氨酸发酵过程模糊自适应控制器设计与仿真
• 3.4.1 谷氨酸发酵过程模糊自适应控制器设计
• 3.4.2 仿真研究
• 3.5 本章小结
• 第4章 发酵过程混合式模糊自适应控制器设计
• 4.1 发酵过程最优化控制概述
• 4.2 谷氨酸发酵过程混合式模糊自适应控制器设计
• 4.3 仿真研究
• 4.3.1 遗传算法优化网络参数
• 4.3.2 系统闭环仿真
• 4.4 本章小结
• 第5章 结论与展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文