发酵过程优化控制方法研究

论文摘要

针对谷氨酸发酵过程的复杂性,本文利用神经元网络建立了谷氨酸发酵过程的动态数学模型,以发酵过程最终时刻产酸率为目标,利用改进的微分进化算法对发酵过程的多操作变量同时进行优化,得到各操作变量的最优控制轨迹。通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效地解决了有约束优化问题求解困难和避免算法早熟的问题。仿真结果证明了该方法的有效性。同样基于上述动态数学模型,利用实数编码遗传算法,采用过程整体优化的思路,以发酵过程转化率为优化目标对发酵过程的多操作变量同时进行优化,得到各操作变量的最优控制轨迹。考虑到发酵过程流加操作的重要性,将流加操作开始和结束的时间也作为控制变量进行了优化。与产酸率为优化目标的仿真结果比较表明,文中方法使发酵过程转化率有很大提高,且产酸率也接近于后者的最优产酸率。然后,以谷氨酸发酵过程中产酸率和转化率为目标对多个操作变量同时进行优化。根据实际情况将整个发酵过程分为两个阶段,第一阶段以产酸率最大为目标进行单目标多变量优化；第二阶段以产酸率以及转化率最大为目标进行多目标多变量优化。将改进的微分进化算法应用到单目标有约束优化过程中；在此算法基础上,通过引入非劣排序分配策略和小生境技术,形成了多目标微分进化算法进行多目标有约束优化。仿真结果表明改进后的微分进化算法可以有效地满足发酵过程两个阶段优化控制的需要。最后,进行了动态优化控制方法的研究,本文研究了基于记忆的进化算法,采用两种策略来替换记忆体中的个体：(1)找出最差的个体并替换掉；(2)找出与最优解最类似的个体,如果它的适应值不如当前最优解,就替换掉。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题来源及研究意义
• 1.2 谷氨酸发酵的历史和发展现状
• 1.3 谷氨酸的合成机制
• 1.4 发酵过程模型和优化控制的特点
• 1.5 本文工作及内容安排
• 第二章 单目标优化控制
• 2.1 模型建立
• 2.1.1 谷氨酸发酵过程简介
• 2.1.2 过程模型的建立
• 2.2 最优化技术
• 2.3 基于微分进化算法的优化控制
• 2.3.1 微分进化算法
• 2.3.2 优化仿真
• 2.4 基于遗传算法的单目标优化控制
• 2.4.1 遗传算法
• 2.4.2 优化仿真
• 2.5 本章小结
• 第三章 多目标优化控制
• 3.1 多目标优化算法
• 3.1.1 多目标优化的基本概念
• 3.1.2 多目标进化算法的发展与研究概况
• 3.1.3 基于Pareto优化的MOEA简介
• 3.2 多目标优化控制
• 3.2.1 基于非劣排序的多目标微分进化算法
• 3.2.2 优化仿真
• 3.3 本章小结
• 第四章 动态优化控制
• 4.1 动态优化
• 4.2 发酵过程动态优化控制
• 4.3 本章小结
• 第五章 结论
• 参考文献
• 致谢
• 攻读硕士学位期间所完成的学术论文