基于机理知识与改进LS-SVM的谷氨酸发酵混合建模

论文摘要

谷氨酸发酵过程具有高度的非线性和时变性,并且内在机理非常复杂。要实现对谷氨酸发酵过程的优化和控制,获得足够的发酵过程信息是必要的。但由于缺乏可靠的传感器用于过程变量的在线检测,因此,探求合适的智能建模方法,并将其应用于谷氨酸发酵过程已成为一个重要的研究方向。一直以来,研究人员提出了多种谷氨酸发酵过程的建模方法,包括机理建模方法、神经网络建模方法以及支持向量机方法等。机理模型需要大量经验知识的积累和大量计算,建立起来相对麻烦,且准确度不高;神经网络理论基于经验风险最小化原则,容易出现过拟合、陷入局部最小等问题;基于结构风险最小化原则的支持向量机方法（SVM,Support Vector Machine）克服了神经网络等方法的固有缺点,大大提高了模型泛化能力。首先分析了谷氨酸发酵过程机理,并根据掌握的机理知识选择经典的谷氨酸发酵机理模型。依据实验的初始条件,辨识模型参数,构造出发酵机理模型。利用四阶龙格-库塔方法计算出相应时刻的菌体浓度,谷氨酸浓度和基质浓度,与实验数据比较,模型误差相对较大。然后利用支持向量为谷氨酸发酵过程建立状态估计模型,并分析模型参数对模型性能的影响,确定最优的模型参数。接着针对标准的支持向量机算法训练时间长的不足,采用最小二乘支持向量机（LS-SVM,Least Square Support Vector Machine）建立谷氨酸发酵过程状态估计模型,并与标准支持向量机做了比较。结果表明LS-SVM保持了SVM的建模性能,且在算法速度上优于标准SVM,LS-SVM更有利于在线模型估计。最后针对机理模型的精度不高,SVM、LS-SVM状态预估模型很难适应发酵过程不同生长期的不足之处。提出了机理模型方法与支持向量机方法相结合的混合建模方法,混合模型结合了机理模型对机理的反映以及支持向量机较强的泛化能力。实验结果表明,与单一的SVM或LS-SVM模型比较混合支持向量机模型性能优良,提高了建模精度。基于几种模型,采用MATLAB与VC++混合编程构造谷氨酸发酵过程软测量模块。对模型效果影响比较大的模型参数,文中利用遗传混沌优化方法,提高了模型精度。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题意义
• 1.2 谷氨酸发酵过程建模国内外研究现状及存在问题
• 1.2.1 谷氨酸发酵过程机理建模
• 1.2.2 谷氨酸发酵过程神经网络建模
• 1.2.3 谷氨酸发酵统计学习理论建模
• 1.3 谷氨酸发酵过程建模的发展趋势
• 1.4 本课题的主要研究内容
• 第二章 谷氨酸发酵过程机理及机理建模
• 2.1 引言
• 2.2 谷氨酸发酵过程机理建模
• 2.2.1 谷氨酸发酵过程机理
• 2.2.2 谷氨酸发酵过程机理建模
• 2.3 遗传算法和机理模型参数优化
• 2.3.1 遗传算法分析与改进
• 2.3.2 机理模型参数优化
• 2.4 谷氨酸发酵过程状态变量的预估
• 2.4.1 状态变量预估结果
• 2.4.2 结果分析
• 2.5 本章小结
• 第三章 基于支持向量机的谷氨酸发酵过程建模
• 3.1 引言
• 3.2 支持向量机的基本原理
• 3.2.1 统计学理论的基础知识
• 3.2.2 用于函数回归的支持向量机
• 3.3 基于支持向量机的谷氨酸发酵过程建模
• 3.3.1 建模数据来源及训练数据的预处理
• 3.3.2 输入输出变量的选择
• 3.3.3 模型参数的确定及模型的建立
• 3.3.4 输出数据反归一化处理
• 3.4 谷氨酸发酵过程状态变量的预估
• 3.4.1 状态变量的预估结果
• 3.5 基于最小二乘支持向量机的谷氨酸发酵过程建模
• 3.5.1 最小二乘支持向量机基本原理
• 3.5.2 基于LS-SVM 的谷氨酸发酵过程建模及状态变量预估
• 3.6 本章小结
• 第四章 基于改进支持向量机与机理知识的混合建模
• 4.1 引言
• 4.2 基于峰值最小二乘支持向量机的谷氨酸发酵过程建模
• 4.2.1 峰值最小二乘支持向量机基本原理
• 4.2.2 峰值识别最小二乘支持向量机参数优化
• 4.2.3 基于峰值识别最小二乘支持向量机的谷氨酸发酵过程建模
• 4.2.4 仿真结果分析
• 4.3 基于峰值识别最小二乘支持向量机与机理知识的混合建模
• 4.3.1 混合模型结构
• 4.3.2 混合模型原理
• 4.3.3 混合模型仿真结果分析
• 4.4 谷氨酸发酵过程软测量模块的软件实现
• 4.4.1 软测量模块结构
• 4.4.2 软测量模型选择及实现
• 4.4.3 创建动态链接库
• 4.4.4 软测量辅助线程的创建
• 4.4.5 软测量模块的调用实现
• 4.5 本章小结
• 第五章 总结与展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文