【技术实现步骤摘要】
本专利技术涉及生物发酵过程的控制领域，具体而言涉及一种生物发酵过程中基于神 经网络逆的无模型自适应控制系统及控制方法。
技术介绍
生物发酵在食品、医药、化工等领域起着越来越重要的影响，生物发酵过程是利用 某一特定的微生物在纯种培养条件下进行的反应过程，涉及到微生物的生长，受操作条件 和环境等诸多因素影响，微生物的生长代谢依赖于多个过程变量，不同的过程变量对微生 物的生长及产物的形成影响不同。为实现微生物生长的最优轨迹，保证发酵产物品质，提高 产物得率，降低经济损失和能源消耗，研究满足工业发酵过程的优化控制技术具有重要意 义。生物发酵系统是一类具有时变性、不确定性和强耦合性的多输入多输出非线性系 统，传统的非线性控制方法难以实现过程变量的优化控制。针对多输入多输出的非线性系 统，一般先采用某种规则将系统线性化成多个线性子系统，然后对各子系统设计线性闭环 控制器实现解耦控制的目的。将逆系统方法与神经网络方法相结合的神经网络逆控制方 法，不依赖系统的精确模型，只需知道系统的相对阶即可实现非线性系统的线性化和解耦， 在实际工程中得到许多成功应用。神经网络逆控制的原理是离...
【技术保护点】
一种基于神经网络逆的生物发酵自适应控制方法，生物发酵系统以进料流量u1和进料基质浓度u2为控制输入，以菌体浓度y1和基质浓度y2为输出，其特征在于，包括以下步骤：利用神经网络和时分多路延时环节（TDL）构造生物发酵系统的神经网络逆，以生物发酵系统当前时刻输出及其前一时刻输出为神经网络的输入变量，以生物发酵系统的控制输入作为神经网络的输出量，通过调整神经网络的权系数使神经网络实现生物发酵系统的逆系统功能；将神经网络逆串联于生物发酵系统之前，组成伪线性复合系统；将伪线性复合系统线性化解耦为两个单输入单输出的伪线性子系统；采用无模型自适应控制器和参数自适应模块分别串联于每个伪线性...
【技术特征摘要】
1.一种基于神经网络逆的生物发酵自适应控制方法，生物发酵系统以进料流量U1和进料基质浓度U2为控制输入，以菌体浓度yi和基质浓度J2为输出，其特征在于，包括以下步骤利用神经网络和时分多路延时环节(TDL)构造生物发酵系统的神经网络逆，以生物发酵系统当前时刻输出及其前一时刻输出为神经网络的输入变量，以生物发酵系统的控制输入作为神经网络的输出量，通过调整神经网络的权系数使神经网络实现生物发酵系统的逆系统功能；将神经网络逆串联于生物发酵系统之前，组成伪线性复合系统；将伪线性复合系统线性化解耦为两个单输入单输出的伪线性子系统；采用无模型自适应控制器和参数自适应模块分别串联于每个伪线性子系统之前以进行自适应控制，该无模型自适应控制器和参数自适应模块构成线性闭环控制器；给定的生物发酵系统的期望输出信号，根据当前时刻和前一时刻每个伪线性子系统的控制输入及生物发酵系统的输出，不断更新无模型自适应控制器的参数和下一时刻每个伪线性子系统的控制输入，使生物发酵系统的输出有效跟踪前述给定的期望输出信号，实现对生物发酵系统的无模型自适应控制。2.根据权利要求1所述的基于神经网络逆的生物发酵自适应控制方法，其特征在于， 前述神经网络逆由具有四输入、双输出的单隐层BP神经网络以及TDL环节构成，该神经网络逆具有双输入和双输出节点，其中神经网络逆的第一个输入为单隐层BP神经网络的第一个输入yi (k+1)，该第一个输入 yi(k+l)经过时分多路延时环节(TDL)后的变量作为单隐层BP神经网络的第二个输入；神经网络逆的第二个输入为单隐层BP神经网络的第三个输入I2 (k+1)，该第二个输入 Y2(k+1)经过时分多路延时环节(TDL)后的变量作为单隐层BP神经网络的第四个输入；神经网络逆的两个输出为单隐层BP神经网络的输出U1GO和U2(k)。3.根据权利要求2所述的基于神经网络逆的生物发酵自适应控制方法，其特征在于， 前述无模型自适应控制器的输出Vi (k)连接至每个伪线性子系统的控制输入，其中Vi (k)采用如下公式计算4.根据权利要求3所述的基于神经网络逆的生物发酵自适应控制方法，其特征在于，无模型自适应控制器的参数Φ ΟΟ的估计值^(幻按照以下自适应律进行调整5.根据权利要求4所述的基于神经网络逆的生物发...
【专利技术属性】
技术研发人员：刘国海，于霜，丁煜函，梅从立，
申请(专利权)人：镇江市江大科技有限责任公司，江苏大学，
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。