【技术实现步骤摘要】
本专利技术属于大豆蛋白生产，尤其涉及一种基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法。
技术介绍
1、大豆分离蛋白(soybean protein isolate，spi)是以脱脂豆粕为原料制备而成的一种植物蛋白产品，总蛋白质含量高于90％，因具有良好的保水性、乳化性、吸油性和凝胶性等广泛用作食品添加剂和食品原料。
2、目前，国内外大多数大豆分离蛋白生产厂家采用的是碱溶酸沉法。这种工艺主要是利用稀碱溶液使低温脱脂豆粕中的蛋白质溶解出来，离心除去不溶性固体残渣，再利用酸将提取液的ph值调至4.6左右，使蛋白质组分沉淀，然后再经过离心、水洗、中和、灭菌和喷雾干燥等工艺得到大豆分离蛋白粉。
3、其中，酸沉过程是用稀hcl将大豆分离蛋白提取液的ph值调至其等电点4.6左右，使蛋白质发生沉淀，然后离心除去上清液。在酸沉工序中，要注意控制加酸的速度以及搅拌速度，以防止蛋白溶液局部ph值变化太大而引起蛋白质的变性。同时，在大豆蛋白的酸沉工序中，其酸沉率是其生产的一个重要指标，而受限于现有技术，酸沉率的检测需要取样后去化验室进行检测，这种检测方式不仅效率低下且很难实现对酸沉工序的参数的及时调整，无法保证生产质量的一致性。
技术实现思路
1、本专利技术针对现有酸沉工序缺乏酸沉率在线检测的技术问题，提出一种方法简单、操作方便且可以在现有的基础上实现对酸沉率在线确定的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法。
2、为了达到上述目的，本专利技术采用的技术
3、a、首先基于时间序列获取酸沉工序中温度值、ph值、酸液流量、电机转速、粘度、蛋白浓度以及酸沉率的特征数据，构建样本；
4、b、对样本内特征数据进行清洗、转化以及归一化处理；
5、c、对样本内与酸沉率相关的特征数据进行特征选择；
6、d、对于选择的特征进行数据集划分，构建训练集和验证集；
7、e、根据划分后的数据集进行酸沉率软测量模型的训练；
8、f、最后，将训练好的酸沉率软测量模型进行酸沉工序中酸沉率的在线检测；
9、其中，所述e步骤中，酸沉率软测量模型的具体操作办法为：
10、e1、首先长短期记忆网络的输入层和输出层个数进行确定，同时明确粒子群算法的粒子速度、位置以及种群数的值；
11、e2、随机生成粒子种群x(α、β、δ)，其中，α代表长短期记忆网络的迭代次数、β代表长短期记忆网络的学习率、δ代表长短期记忆网络中隐含层神经元节点数；
12、e3、对适应度函数、惯性因子、加速因子进行明确，通过对最优粒子适应度值、惯性因子、加速因子进行明确，对粒子速度、位置进行更新，其中，所述适应度函数函数为
13、
14、其中，n为预测值总个数、为粒子算法预测值、yi为酸沉率真实值；
15、所述惯性因子确定公式为：
16、
17、其中，ωt为第t次迭代的惯性权值、ωini为初始惯性权值、ωend为迭代至最大进化代数时的惯性权值、tmax为最大迭代次数、tal为已经迭代完的次数，xad为当前粒子适应度值、xavg为当前所有粒子适应度的平均值、xmin为当前所有粒子适应度的；
18、所述加速因子的确定公式为：
19、
20、
21、其中，t为当前迭代次数、c1s为学习因子c1的初始迭代值、c1e为学习因子c1的初始迭代值终止迭代值、c2s为学习因子c2的初始迭代值、c2e为学习因子c2的初始迭代值终止迭代值，其中，c1s＝c2e＝2.5，c1e＝c2s＝0.5；
22、e4、当粒子群算法达到最大迭代次数，明确最优粒子种群位置并获得相应参数后，将其作为长短期记忆网络的超参数值进行训练。
23、作为优选，所述c步骤中，采用随机森林算法对特征数据进行特征选择。
24、作为优选，所述c步骤中，通过人工水母搜索算法优化随机森林算法的参数值。
25、作为优选，所述c步骤中，具体操作办法为：
26、c1、首先将样本按照7:3的比例，分为训练集和测试集；
27、c2、然后，初始化水母种群，每个人工水母由一个三维向量组成，设置为yi(l、m、n)，其中，l为随机森林中决策树的棵数、m为随机森林中决策树最大深度、n为随机森林中分枝时考虑的最大特征数，同时，构造水母均匀分布总群并设定水母群数量、最大迭代次数；
28、c3、以随机森林的auc作为水母搜索算法的适应度值，计算每条人工水母当下所处环境的食物数量与位置，将最优状态时对应的水母个体位置保留在食物库f中；
29、c4、根据人工水母的跟随洋流以及水母群内部运动的行为在随机森林参数空间内进行搜索，通过比较食物量大小，更新水母的位置；
30、c5、判断人工水母搜索算法是否达到最大迭代次数，若达到了设定的阈值，
31、得到最佳(l、m、n)，本轮优化结束，否则，跳转至步骤c4进行迭代；
32、c6、利于所得到的最佳(l、m、n)在训练集上训练随机森林模型；
33、c7、利用测试集进行测试，得到所需特征类型。
34、作为优选，所述人工水母搜索算法控制参数c(t)的确定公式为：
35、
36、其中，tw为当前迭代次数、twmax为最大迭代次数。
37、与现有技术相比，本专利技术的优点和积极效果在于，
38、1、本专利技术提供一种基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，利用现有传感器测量大豆蛋白酸沉工序中的温度值、ph值、酸液流量、电机转速、粘度、蛋白浓度等参数值，利用随机森林算法寻找对酸沉率有关联的特征值，使其作为长短期记忆网络的输入值，形成对酸沉率的预测，进而实现酸沉率的在线检测，从而对后续的电机转速、酸液流量以及ph值进行控制，进而确保酸沉工序的稳定性。
本文档来自技高网...【技术保护点】
1.一种基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，所述c步骤中，采用随机森林算法对特征数据进行特征选择。
3.根据权利要求2所述的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，所述c步骤中，通过人工水母搜索算法优化随机森林算法的参数值。
4.根据权利要求3所述的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，所述c步骤中，具体操作办法为：
5.根据权利要求4所述的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，所述人工水母搜索算法控制参数c(t)的确定公式为：
【技术特征摘要】
1.一种基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，所述c步骤中，采用随机森林算法对特征数据进行特征选择。
3.根据权利要求2所述的基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，...
【专利技术属性】
技术研发人员：杨丽伟，孟华锋，张志民，毕恩行，
申请(专利权)人：山东嘉华油脂有限公司，
类型：发明
国别省市：
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。