The invention discloses a fuzzy neural network inverse soft sensing system and method for key variables of lysine fermentation process. By determining the on-line direct measurable quantity of lysine fermentation process and the non-direct measurable quantity requiring off-line test, the fuzzy neural network inverse soft sensing method establishes soft sensing according to the model of lysine fermentation process. On this basis, the inverse model of the soft sensor is established according to the method of finding the inverse function, and then the static fuzzy neural network plus differentiator is adopted to determine the free parameters by training the static fuzzy neural network to construct the fuzzy neural network inverse, and the soft sensor inverse is realized. After lysine fermentation, the on-line real-time soft-sensing of cell concentration x1, matrix concentration x2 and product concentration X3 was realized. It can effectively solve the problem of on-line estimation of key variables which are difficult to be measured by physical sensors in lysine fermentation process.
【技术实现步骤摘要】
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
本专利技术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。
技术介绍
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 ...
【技术保护点】
1.一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,其特征在于,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显示器和上位机连接;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,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;所述软传感器接收主导输入量与流加输入量后分别得到输出量,并分别经溶氧传感器、PH值传感器、体积传感器后,通过滤波电路输入到ARM处理器,进行处理;所述ARM处理器将接收的检测信号进行处理得到输出信号,并传输到上位机;所述上位机根据输出信号对处理器的算法功能进行调试;所述LCD显示器对ARM处理器输出信号进行显示;所述键盘电路控制ARM处理器的工作启停;所述流量传感器数量为5个。
【技术特征摘要】
1.一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,其特征在于,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显示器和上位机连接;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,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;所述软传感器接收主导输入量与流加输入量后分别得到输出量,并分别经溶氧传感器、PH值传感器、体积传感器后,通过滤波电路输入到ARM处理器,进行处理;所述ARM处理器将接收的检测信号进行处理得到输出信号,并传输到上位机;所述上位机根据输出信号对处理器的算法功能进行调试;所述LCD显示器对ARM处理器输出信号进行显示;所述键盘电路控制ARM处理器的工作启停;所述流量传感器数量为5个。2.一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,包括以下步骤:步骤1,选择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;其中,在线直接可测量量为流加输入量和输出量;步骤2,确定赖氨酸发酵过程的软传感器的主导输入量、辅助输入量和输出量,建立软传感器的模型;步骤3,确定软传感器逆的主导输入量、辅助输入量和输出量,依据求反函数的方法建立软传感器逆的模型;步骤4,采用静态模糊神经网络加一串微分器并通过对静态模糊神经网络的训练确定各权参数,构造模糊神经网络逆;步骤5,将模糊神经网络逆串接在赖氨酸发酵过程之后,实现对赖氨酸发酵过程关键变量的在线软测量。3.根据权利要求2所述的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,其特征在于,所述步骤1中,在线直接可测流加输入量为葡萄糖流加速率c、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;所述在线直接可测输出量为溶解氧x4、PH值x5、体积x6;所述不可直接测量量为菌体浓度x1、基质浓度x2、产物浓度x3。4.根据权利要求2所述的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,其特征在于,所述步骤2中,软传感器的主导输入量为菌体浓度x1、基质浓度x2、产物浓度x3;辅助输入量为各流加输入量为葡萄糖流加速率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;输出量为溶解氧x4、PH值x5、体积x6。5.根据权利要求2所述的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,...
【专利技术属性】
技术研发人员:褚亚伦,王博,朱湘临,赵海清,
申请(专利权)人:江苏大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。