谷氨酸产物浓度在线估计方法、装置及监控系统制造方法及图纸

本发明专利技术公开了一种谷氨酸生产过程产物浓度在线估计方法、装置及监控系统，首先选取影响产物浓度变化的输入变量，以离线分析所得到的产物浓度值作为输出变量，建立具有输出非线性特征的谷氨酸产物浓度估计模型，并利用最小二乘迭代辨识的方法确定模型参数，实现谷氨酸产物浓度的在线估计。本发明专利技术能有效提高谷氨酸生产过程产物浓度的预测精度，用于指导生产，改善产品质量。

【技术实现步骤摘要】

：本专利技术属于生化生产过程建模和应用领域，特别涉及一种具有输出非线性特征的谷氨酸生产过程产物浓度模型的参数估计和产物浓度在线估计方法、装置及监控系统。
技术介绍
：谷氨酸是生物机体内氮代谢的基本氨基酸之一，世界上氨基酸产量最大的品种，是工业发酵领域的重要产品。谷氨酸发酵生产过程具有高度非线性、重复性较差、慢时变等特征。在实际的生产过程中，谷氨酸浓度是一个重要的生产质量指标，对其精确的预测，能够极大的提高控制效果，提高谷氨酸的产量，但是由于现有技术的限制，该指标的测量很困难，目前常用的方法是通过实验室离线测量得到。谷氨酸的浓度的离线测量往往需要花费更多的时间，无法实时的给出谷氨酸浓度，这对于谷氨酸发酵过程的质量控制来说是非常不利的。为了提高谷氨酸发酵过程的自动化程度和产品质量，通常需要对谷氨酸产物浓度模型进行参数估计，进而实现进行谷氨酸产物浓度的在线预测。目前，非线性系统已成为研究热点，大多数研究工作集中在块结构非线性模型的辨识。输出非线性模型是由一个线性动态系统串联一个静态非线性环节构成的。由于块结构非线性模型在生化、化工过程中广泛存在，可以任意精度的近似任何记忆衰退的非线性时不变系统，所以受到了更多的关注。最小二乘迭代辨识应用于输出非线性模型有以下几个优点：(1)输出非线性模型具有更好的稳定性、适用范围广,对系统非线性具有良好的控制效构。(2)在输出非线性模型这个结构中，非线性部分则描述了谷氨酸浓度的非线性曲线，动态线性部分描述了反应罐中流加物料数量的动态性。(3)最小二乘迭代辨识算法则具有能够批量利用数据，提高辨识精度的优点。目前，针对输出非线性模型，利用最小二乘迭代辨识算法进行建模的应用还不是很多，特别是在生物反应过程建模领域应用就更少了。谷氨酸发酵过程涉及到微生物细胞的生长和代谢，是一个具有时变性、随机性和多变量输入输出的动态过程。由于有些变量(菌体浓度、基质浓度、产物得率等)在线检测困难，不能直接作为被控变量，因此在发酵过程中主要采用与质量有关的变量，如温度、搅拌转速、pH值、溶解氧、泡沫等作为被控变量。针对发酵过程中影响微生物代谢的各环境参数的重要性，对温度、压力、溶解氧和泡沫高度进行重点控制。一般情况下，通过离线分析获取产物浓度值往往花费更多的时间，这也是为什么在谷氨酸生产过程中需要进行在线预测的原因。通过过程中可测变量对难以测量的产物浓度值进行预测，极大的提高了产物浓度的预测实时性，对过程的产品质量控制具有很大的帮助。
技术实现思路
：1、本专利技术的目的：本专利技术针对谷氨酸生产过程中产物浓度在线估计时间过长，难以通过过程中的可测变量对谷氨酸进行准确估计，而提供一种谷氨酸产物浓度的在线估计方法、装置及监控系统。2、本专利技术所采用的技术方案：本专利技术提出的具有输出非线性特征的谷氨酸产物浓度模型的参数估计方法，其主要步骤分别如下：(1)通过谷氨酸生产过程的集散控制系统获取各个输入变量的数据。分别将这些数据存入历史数据库。(2)通过实验室化学分析获取与输入数据对应的谷氨酸产物浓度值，作为输出非线性模型的输出变量。(3)分别对步骤1获取的输入变量和步骤2获取的输出变量进行归一化，使得各个过程变量值落在区间[-1，1]之内，得到新的数据集。(4)基于归一化之后的输入和输出变量数据，建立基于输出非线性模型的谷氨酸产物浓度的估计模型，利用最小二乘迭代辨识的方法确定模型参数并保存。(5)在线采集谷氨酸生产过程的各个输入变量的新数据，并对其进行归一化。将归一化之后的新数据直接输入到谷氨酸产物浓度模型中，获得该实时数据对应的谷氨酸浓度估计值。本专利技术提供的一种谷氨酸产物浓度的在线检测装置，包括：用于通过集散控制系统收集谷氨酸生产过程的发酵时间、溶氧浓度和氧更新率的值作为输入变量，分别将这些数据存入历史数据库的数据库装置；用于通过实验室分析得到所对应的谷氨酸产物浓度值，作为谷氨酸产物浓度模型的输出变量的浓度值装置；用于分别对数据库装置获取的输入变量和浓度值装置获取的输出变量进行归一化，使得各个输入变量和输出变量落在区间[-1，1]之内，得到新的数据集的归一数值存储装置；用于依据归一化之后的输入变量和输出变量，建立基于输出非线性模型的谷氨酸产物浓度的估计模型，利用最小二乘迭代辨识的方法确定模型参数并保存的建模装置；用于在线采集谷氨酸生产过程的各个输入变量的新数据，并对其进行归一化；将归一化之后的新数据输入到谷氨酸产物浓度模型中，获得该实时数据对应的谷氨酸浓度估计值的估计装置；其中，所述建模装置中，建立具有输出非线性特征的谷氨酸产物浓度估计模型为： β * ( k ) = λ 11 α 1 * ( k ) + λ 21 α 2 * ( k - 1 ) λ 22 α 2 * ( k ) + λ 31 α 3 * ( k - 1 ) + λ 32 α 3 * ( k ) γ 2 ( β * ) 2 ( k ) - γ 3 ( β * ) 3 ( k ) , ]]>式中分别表示归一化后的发酵时间、溶氧浓度和氧更新率，β*(k)表示谷氨酸产物浓度，λ11,λ21,λ22,λ31,λ32,γ2,γ3为模型待辨识的参数；构造辨识谷氨酸产物浓度估计模型参数的最小二乘迭代算法，具体为：式中Ξ(N)为堆积的输出向量，B(N)为堆积的信息矩阵，N为总的样本数量，l为迭代变量，为第l步的参数迭代估计值。本专利技术提供的谷氨酸产物浓度的在线监控系统，包括：PLC、上部温度传感器、中部温度传感器、下部温度传感器、压力传感器、液位传本文档来自技高网...

【技术保护点】
一种谷氨酸产物浓度在线估计方法，其特征在于主要步骤如下：(1)通过集散控制系统收集谷氨酸生产过程的发酵时间、溶氧浓度和氧更新率的值作为输入变量，分别将这些数据存入历史数据库；(2)通过实验室分析得到所对应的谷氨酸产物浓度值，作为谷氨酸产物浓度模型的输出变量；(3)分别对步骤(1)获取的输入变量和步骤(2)获取的输出变量进行归一化，使得各个输入变量和输出变量落在区间[‑1，1]之内，得到新的数据集；(4)依据归一化之后的输入变量和输出变量，建立基于输出非线性模型的谷氨酸产物浓度的估计模型，利用最小二乘迭代辨识的方法确定模型参数并保存；(5)在线采集谷氨酸生产过程的各个输入变量的新数据，并对其进行归一化；将归一化之后的新数据输入到谷氨酸产物浓度模型中，获得该实时数据对应的谷氨酸浓度估计值；其中，所述步骤(4)中，建立具有输出非线性特征的谷氨酸产物浓度估计模型为：β*(k)=λ11α1*(k)+λ21α2*(k-1)+λ22α2*(k)+λ31α3*(k-1)+λ32α3*(k)-γ2(β*)2(k)-γ3(β*)3(k),]]>式中分别表示归一化后的发酵时间、溶氧浓度和氧更新率，β*(k)表示谷氨酸产物浓度，λ11,λ21,λ22,λ31,λ32,γ2,γ3为模型待辨识的参数；构造辨识谷氨酸产物浓度估计模型参数的最小二乘迭代算法，具体为：式中Ξ(N)为堆积的输出向量，B(N)为堆积的信息矩阵，N为总的样本数量，l为迭代变量，为第l步的参数迭代估计值。...

【技术特征摘要】
1.一种谷氨酸产物浓度在线估计方法，其特征在于主要步骤如下：(1)通过集散控制系统收集谷氨酸生产过程的发酵时间、溶氧浓度和氧更新率的值作为输入变量，分别将这些数据存入历史数据库；(2)通过实验室分析得到所对应的谷氨酸产物浓度值，作为谷氨酸产物浓度模型的输出变量；(3)分别对步骤(1)获取的输入变量和步骤(2)获取的输出变量进行归一化，使得各个输入变量和输出变量落在区间[-1，1]之内，得到新的数据集；(4)依据归一化之后的输入变量和输出变量，建立基于输出非线性模型的谷氨酸产物浓度的估计模型，利用最小二乘迭代辨识的方法确定模型参数并保存；(5)在线采集谷氨酸生产过程的各个输入变量的新数据，并对其进行归一化；将归一化之后的新数据输入到谷氨酸产物浓度模型中，获得该实时数据对应的谷氨酸浓度估计值；其中，所述步骤(4)中，建立具有输出非线性特征的谷氨酸产物浓度估计模型为： β * ( k ) = λ 11 α 1 * ( k ) + λ 21 α 2 * ( k - 1 ) + λ 22 α 2 * ( k ) + λ 31 α 3 * ( k - 1 ) + λ 32 α 3 * ( k ) - γ 2 ( β * ) 2 ( k ) - γ 3 ( β * ) 3 ( k ) , ]]>式中分别表示归一化后的发酵时间、溶氧浓度和氧更新率，β*(k)表示谷氨酸产物浓度，λ11,λ21,λ22,λ31,λ32,γ2,γ3为模型待辨识的参数；构造辨识谷氨酸产物浓度估计模型参数的最小二乘迭代算法，具体为：式中Ξ(N)为堆积的输出向量，B(N)为堆积的信息矩阵，N为总的样本数量，l为迭代变量，为第l步的参数迭代估计值。2.一种谷氨酸产物浓度在线检测装置，其特征在于包括：用于通过集散控制系统收集谷氨酸生产过程的发酵时间、溶氧浓度和氧更新率的值作为输入变量，分别将这些数据存入历史数据库的数据库装置；用于通过实验室分析得到所对应的谷氨酸产物浓度值，作为谷氨酸产物浓度模型的输出变量的浓度值装置；用于分别对数据库装置获取的输入变量和浓度值装置获取的输出变量进行归一化，使得各个输入变量和输出变量落在区间[-1，1]之内，得到新...

【专利技术属性】
技术研发人员：李向丽，周林成，夏静，陈维，于涵，肖凯旋，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏;32