專利名稱：基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量的軟測(cè)量方法及系統(tǒng)構(gòu)造的制作方法
技術(shù)領(lǐng)域：
本發(fā)明是一種用于解決青霉素發(fā)酵過(guò)程中難以用物理傳感器在線實(shí)時(shí)測(cè)量的產(chǎn)物濃度、總糖濃度、菌絲濃度這三個(gè)關(guān)鍵生化量的在線估計(jì)問(wèn)題，屬于軟測(cè)量及系統(tǒng)構(gòu)造的技術(shù)領(lǐng)域。

背景技術(shù)：
在許多工業(yè)控制場(chǎng)合，存在一大類這樣的變量它們與產(chǎn)品質(zhì)量密切相關(guān)，需要嚴(yán)格控制，但由于技術(shù)或者經(jīng)濟(jì)的原因，目前尚難以或者無(wú)法通過(guò)物理傳感器直接進(jìn)行檢測(cè)。典型的例子有精餾塔的產(chǎn)物組分濃度、化學(xué)反應(yīng)器的反應(yīng)物濃度和產(chǎn)品分布，以及生物發(fā)酵罐中生化量等等。為了解決這類變量的測(cè)量問(wèn)題，軟測(cè)量技術(shù)應(yīng)運(yùn)而生。所謂軟測(cè)量就是根據(jù)某種準(zhǔn)則，選擇一組既與被估計(jì)變量(即被測(cè)量或主導(dǎo)變量)有密切聯(lián)系又容易測(cè)量的直接可測(cè)變量(即輔助變量)，通過(guò)構(gòu)造一定的函數(shù)關(guān)系，用計(jì)算機(jī)軟件實(shí)現(xiàn)對(duì)被測(cè)量的估計(jì)。目前采用的軟測(cè)量方法，多數(shù)基于線性系統(tǒng)理論，對(duì)于化工、生化過(guò)程這樣的非線性特性嚴(yán)重的復(fù)雜過(guò)程，這種方法只能在很小的工作區(qū)域內(nèi)有效，不能解決整個(gè)工作區(qū)域的被測(cè)變量的軟測(cè)量問(wèn)題。
由于模糊神經(jīng)網(wǎng)絡(luò)兼?zhèn)淠：壿嫼蜕窠?jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，善于利用已有經(jīng)驗(yàn)知識(shí)且對(duì)復(fù)雜非線性函數(shù)具有任意逼近能力的特性，其在軟測(cè)量領(lǐng)域的應(yīng)用所形成的基于模糊神經(jīng)網(wǎng)絡(luò)的軟測(cè)量方法，為生化、化工過(guò)程的關(guān)鍵生化量的軟測(cè)量問(wèn)題的解決，提供了強(qiáng)有力的手段。但目前在對(duì)基于模糊神經(jīng)網(wǎng)絡(luò)的軟測(cè)量方法的研究與應(yīng)用中存在一些問(wèn)題，主要是對(duì)輔助變量的選擇(包括輔助變量的導(dǎo)數(shù)階次的選擇)，輔助變量的選擇確定了軟測(cè)量的輸入信息矩陣，關(guān)系著軟測(cè)量模型的結(jié)構(gòu)和輸出，在很大程度上決定著軟測(cè)量模型的準(zhǔn)確性。而傳統(tǒng)輔助變量的選擇主要依據(jù)工業(yè)對(duì)象的工藝機(jī)理以及專家經(jīng)驗(yàn)來(lái)選擇輔助變量，這樣確定的輔助變量數(shù)量可觀，且相關(guān)程度差異大，將它們?nèi)孔鳛檐洔y(cè)量的輔助變量，模型勢(shì)必十分復(fù)雜，不但不能提高軟測(cè)量的精度，而且工業(yè)對(duì)象的重要信息也可能被遺漏。因此，必須尋求新的方法，該方法不僅能確切地知道哪些輔助變量影響主導(dǎo)變量，還明確地知道這些輔助變量導(dǎo)數(shù)的具體階次。


發(fā)明內(nèi)容
本發(fā)明的目的是提供一種青霉素發(fā)酵過(guò)程關(guān)鍵生化量的模糊神經(jīng)逆軟測(cè)量及系統(tǒng)構(gòu)造方法。即是一種青霉素發(fā)酵過(guò)程非常重要但是難以用物理傳感器在線實(shí)時(shí)測(cè)量或者實(shí)時(shí)測(cè)量代價(jià)非常高的生化量(如菌絲濃度、總糖濃度和產(chǎn)物濃度)的在線估計(jì)方法及相應(yīng)的測(cè)量系統(tǒng)。
本發(fā)明的基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量測(cè)量系統(tǒng)，包括傳感器、濾波電路、嵌入式ARM微處理器、上位工控機(jī)以及系統(tǒng)電源；傳感器與發(fā)酵罐、濾波電路相連，ARM微處理器分別與濾波電路、系統(tǒng)電源、上位工控機(jī)相連，發(fā)酵過(guò)程的可測(cè)數(shù)據(jù)經(jīng)相應(yīng)傳感器和濾波電路接ARM處理器的A/D轉(zhuǎn)換模塊輸入端；ARM中嵌入青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量功能模塊，包括系統(tǒng)監(jiān)視與故障診斷模塊、鍵盤掃描模塊、模糊神經(jīng)逆軟測(cè)量功能模塊、LCD顯示模塊、異步串行通信模塊。
其中系統(tǒng)監(jiān)視與故障診斷模塊用于監(jiān)視其他模塊，當(dāng)被監(jiān)視模塊在執(zhí)行過(guò)程中出現(xiàn)差錯(cuò)時(shí)，系統(tǒng)監(jiān)視與故障診斷模塊將按照預(yù)先設(shè)定的處理程序?qū)ζ溥M(jìn)行處理并使出錯(cuò)的模塊恢復(fù)正常運(yùn)行；鍵盤掃描模塊用于讀取鍵盤的輸入信號(hào)，判斷哪一個(gè)按鍵被按下，并執(zhí)行相應(yīng)的功能。其中按鍵按功能分為啟動(dòng)鍵、退出鍵，現(xiàn)場(chǎng)數(shù)據(jù)上、下限報(bào)警設(shè)置鍵、采樣周期設(shè)置鍵；模糊神經(jīng)逆軟測(cè)量功能模塊用于對(duì)輸入信號(hào)進(jìn)行模糊神經(jīng)逆運(yùn)算，得到菌絲濃度軟測(cè)量值x1*、總糖濃度軟測(cè)量x2*、產(chǎn)物濃度軟測(cè)量x3*；LCD顯示模塊用于顯示當(dāng)前現(xiàn)場(chǎng)數(shù)據(jù)值和各軟測(cè)量值；異步串行通信模塊用于把當(dāng)前現(xiàn)場(chǎng)數(shù)據(jù)值和各軟測(cè)量值通過(guò)RS-232總線傳送到上位工控機(jī)。
本發(fā)明的軟測(cè)量方法，通過(guò)傳感器獲取發(fā)酵現(xiàn)場(chǎng)數(shù)據(jù)，然后經(jīng)整流、濾波和A/D轉(zhuǎn)換后讀入ARM處理器，經(jīng)過(guò)ARM處理器內(nèi)部程序進(jìn)行模糊神經(jīng)逆運(yùn)算，得到菌絲濃度軟測(cè)量值x1*、總糖濃度軟測(cè)量x2*、產(chǎn)物濃度軟測(cè)量x3*，并將得到的結(jié)果輸出到LCD及上位工控機(jī)中。
上述所說(shuō)的現(xiàn)場(chǎng)數(shù)據(jù)是葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5、溶解氧x4、CO2濃度x5、[H+]濃度x6和發(fā)酵液體積x7。
上述所說(shuō)的模糊神經(jīng)逆是采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練確定自由參數(shù)來(lái)構(gòu)造的。
本發(fā)明是依據(jù)青霉素發(fā)酵過(guò)程的動(dòng)力學(xué)方程建立軟傳感器的模型，在此基礎(chǔ)上依據(jù)逆系統(tǒng)方法建立軟傳感器的逆模型，然后采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練確定自由參數(shù)來(lái)構(gòu)造模糊神經(jīng)逆，實(shí)現(xiàn)軟傳感器逆，最后將模糊神經(jīng)逆串聯(lián)在青霉素發(fā)酵過(guò)程之后，實(shí)現(xiàn)對(duì)關(guān)鍵生化量的在線軟測(cè)量。
依據(jù)青霉素發(fā)酵過(guò)程的機(jī)理模型，選擇確定青霉素發(fā)酵過(guò)程的在線直接可測(cè)的流加輸入量、在線直接可測(cè)輸出量和需離線化驗(yàn)的不直接可測(cè)量；然后再選擇確定青霉素發(fā)酵過(guò)程的軟傳感器的主導(dǎo)輸入量、輔助輸入量和輸出量，并建立軟傳感器的模型(該軟傳感器模型是一個(gè)假想的傳感器，可以認(rèn)為是包含在青霉素發(fā)酵過(guò)程中的一個(gè)子系統(tǒng)，其主導(dǎo)輸入量、輔助輸入量與輸出量間滿足青霉素發(fā)酵過(guò)程機(jī)理模型的變量約束關(guān)系，但在實(shí)際的青霉素發(fā)酵過(guò)程中，并不存在這樣的一個(gè)物理傳感器)；在此基礎(chǔ)上依據(jù)求反函數(shù)的方法建立軟傳感器逆的模型，確定軟傳感器逆的主導(dǎo)輸入量、輔助輸入量和輸出量，然后采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加一串微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練確定各權(quán)參數(shù)構(gòu)造模糊神經(jīng)逆，來(lái)實(shí)現(xiàn)該軟傳感器逆；最后將模糊神經(jīng)逆串接在青霉素發(fā)酵過(guò)程之后，實(shí)現(xiàn)對(duì)菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3的在線軟測(cè)量。
本發(fā)明中的直接可測(cè)流加輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5；在線直接可測(cè)輸出量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7；需離線化驗(yàn)的不直接可測(cè)量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3。
本發(fā)明中軟傳感器的主導(dǎo)輸入量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3，輔助輸入量為各流加輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，軟傳感器逆的主導(dǎo)輸入量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7；輔助輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3。
本發(fā)明的模糊神經(jīng)逆有9個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)，是由具有17個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)的靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加8個(gè)微分器構(gòu)成(如圖5的右半部分)。
本發(fā)明的靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的各權(quán)參數(shù)通過(guò)現(xiàn)場(chǎng)數(shù)據(jù)采集、離線數(shù)據(jù)處理、樣本數(shù)據(jù)集訓(xùn)練、驗(yàn)證樣本集驗(yàn)證來(lái)確定。
本發(fā)明的具體的模糊神經(jīng)逆軟測(cè)量方法是 首先根據(jù)青霉素發(fā)酵過(guò)程的動(dòng)力學(xué)模型
式中u1為葡萄糖流加速率、u2為玉米漿流加速率、u3為磷酸二氫鉀流加速率、u4為碳酸鈣流加速率、u5為麩質(zhì)粉流加速率、x1為菌絲濃度、x2為總糖濃度、x3為產(chǎn)物濃度、x4為溶解氧、x5為CO2濃度、x6為[H+]濃度、x7為發(fā)酵液體積；

為菌絲濃度一階導(dǎo)數(shù)，

為總糖濃度一階導(dǎo)數(shù)，

為產(chǎn)物濃度一階導(dǎo)數(shù)，

為溶解氧一階導(dǎo)數(shù)，

是CO2濃度一階導(dǎo)數(shù)，

為[H+]濃度一階導(dǎo)數(shù)，

為發(fā)酵液體積一階導(dǎo)數(shù)；μ，μPP分別為菌絲比生長(zhǎng)速率和青霉素產(chǎn)物比生長(zhǎng)率，KLa為轉(zhuǎn)移系數(shù)，γ為比例常數(shù)，k為產(chǎn)物水解常數(shù)，CL*為氣相飽和氧濃度；mo，mx為模型維持系數(shù)，YX/0，YX/pH，YP/0，YP/pH為得率常數(shù)，α1為CO2比生長(zhǎng)相關(guān)系數(shù)，α2為CO2比維持能量相關(guān)系數(shù)，α3為CO2比青霉素生產(chǎn)相關(guān)系數(shù)。
依據(jù)動(dòng)力學(xué)模型并結(jié)合實(shí)際情況，選擇確定青霉素發(fā)酵過(guò)程的各流加輸入量葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5；選擇確定在線直接可測(cè)輸出量溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7；確定需離線化驗(yàn)的不直接可測(cè)量菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3；接著選擇青霉素發(fā)酵過(guò)程中的軟傳感器的主輸入量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3；輔助輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，并建立軟傳感器的模型 其中

為苯乙酸流加速率一階導(dǎo)數(shù)，

為尿素流加速率一階導(dǎo)數(shù)，

為硫酸氨流加速率一階導(dǎo)數(shù)，

為碳酸鈣流加速率一階導(dǎo)數(shù)；

為溶解氧一階導(dǎo)數(shù)，

為溶解氧二階導(dǎo)數(shù)，

為[H+]濃度一階導(dǎo)數(shù)；f1、f2、f3都表示非線性函數(shù)關(guān)系。
在此基礎(chǔ)上依據(jù)求反函數(shù)的方法推導(dǎo)出軟傳感器逆的模型
其中

都表示非線性函數(shù)關(guān)系。
該軟傳感器逆模型即為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3的軟測(cè)量模型。然后采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加8個(gè)微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練(確定靜態(tài)糊神經(jīng)網(wǎng)絡(luò)的各權(quán)參數(shù))構(gòu)造該軟傳感器逆。將得到的模糊神經(jīng)逆串接在青霉素發(fā)酵過(guò)程之后，即可實(shí)現(xiàn)對(duì)菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3的軟測(cè)量。
模糊神經(jīng)逆的構(gòu)造方法為用具有17個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)的靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加8個(gè)微分器構(gòu)成具有9個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)的模糊神經(jīng)逆(如圖5的右半部分)。
靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)各權(quán)參數(shù)的確定方法為首先采集青霉素發(fā)酵過(guò)程的現(xiàn)場(chǎng)直接可測(cè)數(shù)據(jù)葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5、溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，每4小時(shí)在實(shí)驗(yàn)室里取樣化驗(yàn)一次獲得離線化驗(yàn)數(shù)據(jù)菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3，然后對(duì)直接可測(cè)數(shù)據(jù)分別進(jìn)行五點(diǎn)平均濾波，并用五點(diǎn)求導(dǎo)法求出葡萄糖流加速率一階導(dǎo)數(shù)

玉米漿流加速率一階導(dǎo)數(shù)

磷酸二氫鉀流加速率一階導(dǎo)數(shù)

碳酸鈣流加速率一階導(dǎo)數(shù)

麩質(zhì)粉流加速率

溶解氧一階導(dǎo)數(shù)

溶解氧二階導(dǎo)數(shù)
濃度一階導(dǎo)數(shù)

對(duì)離線化驗(yàn)數(shù)據(jù)分別進(jìn)行最小二乘擬合生成與實(shí)時(shí)數(shù)據(jù)相對(duì)應(yīng)的每1分鐘一次的數(shù)據(jù)，最后用構(gòu)成的訓(xùn)練樣本集對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和驗(yàn)證，確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的各權(quán)參數(shù)。
模糊神經(jīng)逆軟測(cè)量系統(tǒng)的構(gòu)造即是模糊神經(jīng)逆的具體實(shí)現(xiàn)即所要構(gòu)造的。
模糊神經(jīng)逆軟測(cè)量系統(tǒng)采用嵌入式微處理器ARM處理器構(gòu)造。其中青霉素發(fā)酵過(guò)程的流加輸入葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5分別經(jīng)5個(gè)流量傳感器和濾波電路接ARM處理器的A/D轉(zhuǎn)換模塊輸入端，青霉素發(fā)酵過(guò)程的直接可測(cè)輸出量，即軟傳感器的輸出量溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7分別經(jīng)溶氧電極、CO2氣敏電極、[H+]玻璃電極、壓差傳感器和濾波電路接ARM處理器的A/D轉(zhuǎn)換模塊輸入端。
系統(tǒng)設(shè)計(jì)中將實(shí)時(shí)操作系統(tǒng)uC/OS-II移植到ARM處理器中，并將系統(tǒng)所要完成的功能細(xì)化為幾個(gè)核心任務(wù)，由uC/OS-II內(nèi)核進(jìn)行實(shí)時(shí)調(diào)度。系統(tǒng)所要完成的任務(wù)按其優(yōu)先級(jí)從高到低順序依次系統(tǒng)監(jiān)視與故障診斷、鍵盤掃描、模糊神經(jīng)逆運(yùn)算、LCD顯示、異步串行通信。數(shù)據(jù)采集部分放到定時(shí)器中斷程序中執(zhí)行，即每分鐘通過(guò)各傳感器、濾波電路和A/D轉(zhuǎn)換模塊采集各流加量、溶解氧、CO2濃度、[H+]濃度、發(fā)酵液體積數(shù)據(jù)，再對(duì)數(shù)據(jù)進(jìn)行高通、低通濾波處理。系統(tǒng)監(jiān)視任務(wù)用來(lái)監(jiān)視系統(tǒng)其他任務(wù)。當(dāng)被監(jiān)視任務(wù)在執(zhí)行過(guò)程中出現(xiàn)差錯(cuò)時(shí)，系統(tǒng)監(jiān)視任務(wù)將按照預(yù)先設(shè)定的處理表對(duì)其進(jìn)行處理，使出錯(cuò)的任務(wù)恢復(fù)正常運(yùn)行。系統(tǒng)運(yùn)行時(shí)，首先進(jìn)行系統(tǒng)初始化操作，初始化所有數(shù)據(jù)結(jié)構(gòu)、分配堆?？臻g，然后建立任務(wù)間通信的郵箱或消息隊(duì)列，進(jìn)行任務(wù)建立及分配任務(wù)優(yōu)先權(quán)。所有新建任務(wù)被置為就緒態(tài)，程序從優(yōu)先權(quán)最高的任務(wù)開(kāi)始執(zhí)行，即首先對(duì)鍵盤進(jìn)行自掃描，然后對(duì)濾波后的采集數(shù)據(jù)進(jìn)行模糊神經(jīng)逆運(yùn)算，最后將得到的軟測(cè)量結(jié)果輸出到LCD顯示并通過(guò)RS-232將結(jié)果傳送到上位工控機(jī)。
本發(fā)明的原理是通過(guò)構(gòu)造青霉素發(fā)酵過(guò)程的軟傳感器的模糊神經(jīng)逆，并將其串聯(lián)在青霉素發(fā)酵過(guò)程之后，實(shí)現(xiàn)對(duì)難以用物理傳感器在線實(shí)時(shí)測(cè)量的菌絲濃度、總糖濃度、產(chǎn)物濃度的軟測(cè)量。它基于青霉素發(fā)酵過(guò)程的非線性機(jī)理模型，經(jīng)過(guò)嚴(yán)格的數(shù)學(xué)推導(dǎo)，得到軟傳感器及軟傳感器逆的模型，并用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造軟傳感器逆，據(jù)此設(shè)計(jì)出模糊神經(jīng)逆軟測(cè)測(cè)量系統(tǒng)具有較高的精度和很好的實(shí)用價(jià)值。
本發(fā)明的優(yōu)點(diǎn) 1.基于青霉素發(fā)酵過(guò)程的機(jī)理模型建立了軟傳感器子系統(tǒng)的模型，并在此基礎(chǔ)上求反函數(shù)推導(dǎo)出軟測(cè)量模型(即軟傳感器逆模型)，由此得到的軟傳感器逆模型完全確定了軟測(cè)量模型的各輸入及輸入導(dǎo)數(shù)的階次，減少了常用的實(shí)驗(yàn)試探確定各輸入及其導(dǎo)數(shù)階次的方法帶來(lái)的誤差，使軟測(cè)量的精度得到保證并有提高。
2.采用青霉素發(fā)酵過(guò)程的完整非線性機(jī)理模型(保留了青霉素發(fā)酵過(guò)程的非線性特性)，由此得到的軟測(cè)量模型能在整個(gè)工作區(qū)域內(nèi)實(shí)現(xiàn)有效測(cè)量，克服了基于線性系統(tǒng)理論的軟測(cè)量方法只能在小工作區(qū)域內(nèi)有效的缺點(diǎn)。
3.借助模糊神經(jīng)網(wǎng)絡(luò)善于利用已有經(jīng)驗(yàn)知識(shí)且對(duì)復(fù)雜非線性函數(shù)具有任意逼近能力的特性，將軟傳感器逆模型與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)造更加符合發(fā)酵過(guò)程實(shí)際需要的模糊神經(jīng)逆軟測(cè)量模型，有效突破了逆?zhèn)鞲衅髂Ｐ碗y以解析實(shí)現(xiàn)的工程應(yīng)用瓶頸。
4.本發(fā)明所提供的軟測(cè)量方法與軟測(cè)量系統(tǒng)的設(shè)計(jì)方案不僅對(duì)青霉素發(fā)酵過(guò)程有效，而且可推廣到其它的化工、生化過(guò)程，具有廣闊的應(yīng)用前景。



圖1是青霉素發(fā)酵過(guò)程1各流加輸入量、在線直接可測(cè)輸出量、需要離線化驗(yàn)的不直接可測(cè)量的關(guān)系示意圖。青霉素發(fā)酵過(guò)程1的流加輸入量是葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，在線直接可測(cè)輸出量是溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，需要離線化驗(yàn)的不直接可測(cè)量是菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3。
圖2是包含在青霉素發(fā)酵過(guò)程1中的軟傳感器11示意圖。軟傳感器11的主導(dǎo)輸入量是不直接可測(cè)的菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3，輔助輸入量是葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量是溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7。
圖3是由青霉素發(fā)酵過(guò)程1與軟傳感器逆3組成的軟測(cè)量原理圖。軟傳感器逆3的主導(dǎo)輸入量是溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，輔助輸入量是葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量是菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3。
圖4是由青霉素發(fā)酵過(guò)程1與模糊神經(jīng)逆4組成的軟測(cè)量結(jié)構(gòu)圖?！癆1～A9”是模糊神經(jīng)逆4的9個(gè)輸入，模糊神經(jīng)逆4的輸出是菌絲濃度軟測(cè)量x1*、總糖濃度軟測(cè)量x2*、產(chǎn)物濃度軟測(cè)量x3*。
圖5是給出了模糊神經(jīng)逆4內(nèi)部具體結(jié)構(gòu)的軟測(cè)量結(jié)構(gòu)圖。包含了青霉素發(fā)酵過(guò)程1、模糊神經(jīng)逆4。其中模糊神經(jīng)逆4包含了靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)41、8個(gè)微分器421～428。

是葡萄糖流加速率一階導(dǎo)數(shù)，

是玉米漿流加速率一階導(dǎo)數(shù)，

是磷酸二氫鉀流加速率一階導(dǎo)數(shù)，

是碳酸鈣流加速率一階導(dǎo)數(shù)，

是麩質(zhì)粉流加速率一階導(dǎo)數(shù)；

是溶解氧一階導(dǎo)數(shù)，

溶解氧二階導(dǎo)數(shù)，

是[H+]濃度一階導(dǎo)數(shù)?！癐1～I(xiàn)17”是靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的17個(gè)輸入。
圖6是訓(xùn)練靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)41的結(jié)構(gòu)框圖。e1是訓(xùn)練樣本集中的菌絲濃度x1與菌絲濃度軟測(cè)量x1*的差，e2是訓(xùn)練樣本集中的總糖濃度x2與總糖濃度軟測(cè)量x2*的差，e3是訓(xùn)練樣本集中的產(chǎn)物濃度x3與產(chǎn)物濃度軟測(cè)量x3*的差。
圖7是模糊神經(jīng)逆軟測(cè)量系統(tǒng)的硬件結(jié)構(gòu)圖。其中有用來(lái)實(shí)現(xiàn)模糊神經(jīng)逆功能的ARM處理器5，采集苯葡萄糖流加速率u1數(shù)據(jù)、玉米漿流加速率u2數(shù)據(jù)、磷酸二氫鉀流加速率u3數(shù)據(jù)、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5數(shù)據(jù)的流量傳感器611～615，采集溶解氧x4數(shù)據(jù)的溶氧電極616，采集CO2濃度x5數(shù)據(jù)的CO2氣敏電極617，采集[H+]濃度x6的[H+]玻璃電極618，采集發(fā)酵液體積x7數(shù)據(jù)的壓差電極619。
圖8是模糊神經(jīng)逆軟測(cè)量系統(tǒng)的ARM處理器軟件設(shè)計(jì)流程圖。
具體實(shí)施方案 本發(fā)明的實(shí)施方案首先根據(jù)青霉素發(fā)酵過(guò)程的機(jī)理模型選擇確定青霉素發(fā)酵過(guò)程的各流加輸入量、在線直接可測(cè)輸出量與需要離線化驗(yàn)的不直接可測(cè)量。接著選擇確定青霉素發(fā)酵過(guò)程中軟傳感器的輸入量和輸出量，并建立軟傳感器的模型和軟傳感器逆的模型，然后采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加7個(gè)微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)各的訓(xùn)練確定其各權(quán)參數(shù)構(gòu)成模糊神經(jīng)逆，實(shí)現(xiàn)軟傳感器逆的功能。最后將得到的模糊神經(jīng)逆串接在青霉素發(fā)酵過(guò)程之后，即可實(shí)現(xiàn)對(duì)需要離線化驗(yàn)的不直接可測(cè)量(菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3)的軟測(cè)量。該模糊神經(jīng)逆的具體實(shí)現(xiàn)就是所構(gòu)造的模糊神經(jīng)逆軟測(cè)量系統(tǒng)。具體實(shí)施時(shí)，可根據(jù)不同的要求，采用不同的硬件和軟件來(lái)實(shí)現(xiàn)。
具體實(shí)施分為以下7步 1.根據(jù)青霉素發(fā)酵過(guò)程的動(dòng)力學(xué)模型(1)，確定青霉素發(fā)酵過(guò)程的各流加輸入量、在線直接可測(cè)輸出量與需離線化驗(yàn)的不直接可測(cè)量。

其中u1為葡萄糖流加速率、u2為玉米漿流加速率、u3為磷酸二氫鉀流加速率、u4為碳酸鈣流加速率、u5為麩質(zhì)粉流加速率、x1為菌絲濃度、x2為總糖濃度、x3為產(chǎn)物濃度、x4為溶解氧、x5為CO2濃度、x6為[H+]濃度、x7為發(fā)酵液體積；

為菌絲濃度一階導(dǎo)數(shù)，

為總糖濃度一階導(dǎo)數(shù)，

為產(chǎn)物濃度一階導(dǎo)數(shù)，

為溶解氧一階導(dǎo)數(shù)，

是CO2濃度一階導(dǎo)數(shù)，

為[H+]濃度一階導(dǎo)數(shù)，

為發(fā)酵液體積一階導(dǎo)數(shù)；μ，μPP分別為菌絲比生長(zhǎng)速率和青霉素產(chǎn)物比生長(zhǎng)率，KLa為轉(zhuǎn)移系數(shù)，γ為比例常數(shù)，k為產(chǎn)物水解常數(shù)，CL*為氣相飽和氧濃度；mo，mx為模型維持系數(shù)，YX/0，YX/pH，Yp/O，YP/pH均為得率系數(shù)，α1為CO2比生長(zhǎng)相關(guān)系數(shù)，α2為CO2比維持能量相關(guān)系數(shù)，α3為CO2比青霉素生產(chǎn)相關(guān)系數(shù)。
將(1)式可簡(jiǎn)化為 其中fs1～fs7都表示非線性函數(shù)關(guān)系。
依據(jù)青霉素的動(dòng)力學(xué)模型并結(jié)合實(shí)際情況，選擇確定流加輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，在線直接可測(cè)輸出量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，需離線化驗(yàn)的不直接可測(cè)量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3(如圖1所示)； 2.確定青霉素發(fā)酵過(guò)程中軟傳感器的輸入量與輸出量。其中主導(dǎo)輸入量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3，輔助輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7。
3.根據(jù)青霉素發(fā)酵過(guò)程的機(jī)理模型和第二步選擇確定的軟傳感器的輸入量與輸出量，通過(guò)分析與推導(dǎo)，可得到以菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3為主輸入量，葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5為輔助輸入量，溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7為輸出量的軟傳感器的模型(如圖2所示)。
根據(jù)逆存在定理，可以證明軟傳感器是可逆的，并推出軟傳感器逆的模型
其中

都表示非線性函數(shù)關(guān)系，

是葡萄糖流加速率一階導(dǎo)數(shù)，

是玉米漿流加速率一階導(dǎo)數(shù)，

是磷酸二氫鉀流加速率一階導(dǎo)數(shù)，

是碳酸鈣流加速率一階導(dǎo)數(shù)，

是麩質(zhì)粉流加速率一階導(dǎo)數(shù)；

是溶解氧一階導(dǎo)數(shù)，

溶解氧二階導(dǎo)數(shù)，

是[H+]濃度一階導(dǎo)數(shù)。
軟傳感器逆的主導(dǎo)輸入量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，輔助輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，輸出量為菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3。該軟傳感器逆模型(式(3))即為模糊神經(jīng)逆要實(shí)現(xiàn)的軟測(cè)量模型(如圖3所示)。
4.確定模糊神經(jīng)逆的輸入量與輸出量。主導(dǎo)輸入量為溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7，分別為模糊神經(jīng)逆的第六至第九輸入，輔助輸入量為葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5，分別為模糊神經(jīng)逆的第一至第五個(gè)輸入，模糊神經(jīng)逆的輸出量為菌絲濃度軟測(cè)量值x1*、總糖濃度軟測(cè)量值x2*、產(chǎn)物濃度軟測(cè)量值x3*(如圖4所示)。
5.采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加8個(gè)微分器構(gòu)造模糊神經(jīng)逆(如圖5所示)。其中靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)采用4層前饋模糊神經(jīng)網(wǎng)絡(luò)，第一層為輸入層(輸入節(jié)點(diǎn)個(gè)數(shù)為17)；第二層為合成層，主要是完成輸入量模糊化的工作(輸出各輸入量的隸屬度)，各模糊集合的的隸屬度函數(shù)均為高斯型隸屬函數(shù)(其中a為函數(shù)中心，b為函數(shù)的寬度參數(shù))；第三層為規(guī)則層，節(jié)點(diǎn)數(shù)即為規(guī)則數(shù)；第四層為解模糊層(輸出節(jié)點(diǎn)個(gè)數(shù)為3)，靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的各權(quán)參數(shù)通過(guò)下一步的樣本集訓(xùn)練和驗(yàn)證確定。
6.確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的各權(quán)參數(shù)。此步分為以下三步 (1)獲取青霉素發(fā)酵過(guò)程的現(xiàn)場(chǎng)數(shù)據(jù)、 a)青霉素發(fā)酵培養(yǎng) 發(fā)酵培養(yǎng)基在50L發(fā)酵罐內(nèi)經(jīng)高溫消毒后降溫至25℃，分別進(jìn)行種罐種子液接種、發(fā)酵罐前期發(fā)酵液接種、混合接種和補(bǔ)料分批發(fā)酵培養(yǎng)，并對(duì)發(fā)酵過(guò)程中的可測(cè)量進(jìn)行控制 ·罐內(nèi)溫度0～50℃±0.5℃·pH值2～12pH±0.15PH·溶解氧0～100％±0.5％ ·罐壓0～0.25Mpa·電機(jī)攪拌轉(zhuǎn)速0～500轉(zhuǎn)/分連續(xù)可調(diào) 空氣流量和補(bǔ)料速率根據(jù)發(fā)酵過(guò)程中的參數(shù)變化進(jìn)行控制。
b)數(shù)據(jù)采集與測(cè)定 發(fā)酵過(guò)程中每1分鐘采集一次現(xiàn)場(chǎng)可測(cè)數(shù)據(jù)葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5、溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7； 每4小時(shí)取樣化驗(yàn)一次獲得離線生化量菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3； 實(shí)時(shí)可測(cè)數(shù)據(jù)由相應(yīng)傳感器通過(guò)軟測(cè)量系統(tǒng)直接傳到上位機(jī)并記錄；菌絲濃度采用菌絲干重法測(cè)定，即每隔4h吸取10ml發(fā)酵液，離心，棄上清，用蒸餾水洗滌離心沉淀物兩次，沉淀菌絲用2ml蒸餾水懸浮后移至干燥皿，105℃下烘干至恒重，所得凈重即為菌絲干重(換算為g/L)；總糖濃度采用SBA-40葡萄糖-抗生素分析儀測(cè)定；青霉素產(chǎn)物濃度由紙色譜-薄層掃描法測(cè)定。
總共采集10個(gè)發(fā)酵批次的數(shù)據(jù)(每個(gè)發(fā)酵批次時(shí)間跨度為180小時(shí))，其中前9個(gè)批次用于靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型誤差最小的訓(xùn)練，第10批次的數(shù)據(jù)用來(lái)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證。
(2)數(shù)據(jù)處理 對(duì)實(shí)時(shí)可測(cè)數(shù)據(jù)分別進(jìn)行五點(diǎn)平均濾波，并用五點(diǎn)求導(dǎo)法求出葡萄糖流加速率一階導(dǎo)數(shù)

玉米漿流加速率一階導(dǎo)數(shù)

磷酸二氫鉀流加速率一階導(dǎo)數(shù)

碳酸鈣流加速率一階導(dǎo)數(shù)

麩質(zhì)粉流加速率

溶解氧一階導(dǎo)數(shù)

溶解氧二階導(dǎo)數(shù)
濃度一階導(dǎo)數(shù)
對(duì)離線化驗(yàn)數(shù)據(jù)菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3分別進(jìn)行最小二乘擬合生成與實(shí)時(shí)數(shù)據(jù)相對(duì)應(yīng)的每1分鐘的數(shù)據(jù)。這樣就得到了用來(lái)確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)各權(quán)參數(shù)的訓(xùn)練樣本集和驗(yàn)證樣本集，其結(jié)構(gòu)如表1 表1.輸入輸出樣本集
(3)確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)各權(quán)參數(shù) 建立靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型，如式(4) 其中ail、bil、wi是訓(xùn)練要確定的各權(quán)參數(shù)，模糊規(guī)則數(shù)w是固定不變的，初始各權(quán)參數(shù)ail(0)、bil(0)、wi(0)的選定是隨機(jī)確定的。
用構(gòu)成的前9批訓(xùn)練樣本集對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練采用一階梯度算法并通過(guò)誤差反饋對(duì)各權(quán)參數(shù)進(jìn)行辨識(shí)，訓(xùn)練1000次后，訓(xùn)練樣本集中的數(shù)據(jù){菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3}與靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù){菌絲濃度軟測(cè)量值x1*、總糖濃度軟測(cè)量x2*、產(chǎn)物濃度軟測(cè)量x3*}的均方誤差分別為2.132674e-004、4.27108e-004、5.74426e-004，滿足系統(tǒng)誤差要求，訓(xùn)練停止。然后用第10批驗(yàn)證樣本集對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，精度驗(yàn)證滿意，從而確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的各權(quán)參數(shù)(如圖6所示)。
7.基于模糊神經(jīng)逆構(gòu)造模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量系統(tǒng)。由確定了各權(quán)參數(shù)的靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)構(gòu)成模糊神經(jīng)逆，串接在青霉素發(fā)酵過(guò)程之后，就可以實(shí)現(xiàn)對(duì)菌絲濃度x1、總糖濃度x2、產(chǎn)物濃度x3的軟測(cè)量。模糊神經(jīng)逆的具體實(shí)現(xiàn)就是所要構(gòu)造的模糊神經(jīng)逆軟測(cè)量系統(tǒng)，根據(jù)不同的測(cè)量要求可采用不同的硬件和軟件來(lái)實(shí)現(xiàn)它。
模糊神經(jīng)逆軟測(cè)量系統(tǒng)由嵌入式微處理器ARM處理器實(shí)現(xiàn)，現(xiàn)場(chǎng)的葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5、溶解氧x4、CO2濃度x5、[H+]濃度x6、發(fā)酵液體積x7分別通過(guò)5個(gè)流量傳感器、溶氧電極、CO2氣敏電極、[H+]玻璃電極、壓差傳感器獲得，然后再通過(guò)整流、濾波和A/D轉(zhuǎn)換后讀入ARM處理器，經(jīng)過(guò)ARM處理器內(nèi)部程序進(jìn)行模糊神經(jīng)逆運(yùn)算，得到菌絲濃度軟測(cè)量值x1*、總糖濃度軟測(cè)量x2*、產(chǎn)物濃度軟測(cè)量x3*，并將得到的結(jié)果輸出到LCD及上位工控機(jī)中(如圖7所示)。
系統(tǒng)設(shè)計(jì)中將實(shí)時(shí)操作系統(tǒng)uC/OS-II移植到ARM處理器上，將系統(tǒng)所要完成的功能細(xì)化為幾個(gè)核心任務(wù)，由uC/OS-II內(nèi)核進(jìn)行實(shí)時(shí)調(diào)度。系統(tǒng)的所有模塊按其優(yōu)先級(jí)從高到低順序依次系統(tǒng)監(jiān)視與故障診斷模塊、鍵盤掃描模塊、模糊神經(jīng)逆軟測(cè)量模塊、LCD顯示模塊、異步串行通信模塊。數(shù)據(jù)采集部分放到定時(shí)器中斷程序中執(zhí)行，即每分鐘通過(guò)各種傳感器、濾波電路和A/D轉(zhuǎn)換模塊采集各流加量、溶解氧、CO2濃度、[H+]濃度、發(fā)酵液體積，再對(duì)數(shù)據(jù)進(jìn)行高通、低通濾波處理。系統(tǒng)監(jiān)視任務(wù)用來(lái)監(jiān)視其他模塊。當(dāng)被監(jiān)視模塊在執(zhí)行過(guò)程中出現(xiàn)差錯(cuò)時(shí)，系統(tǒng)監(jiān)視模塊將按照預(yù)先設(shè)定的處理程序?qū)ζ溥M(jìn)行處理，使出錯(cuò)的模塊恢復(fù)正常運(yùn)行。系統(tǒng)運(yùn)行時(shí)，首先進(jìn)行系統(tǒng)初始化操作，初始化所有數(shù)據(jù)結(jié)構(gòu)、分配堆?？臻g，然后建立模塊間通信的郵箱或消息隊(duì)列，進(jìn)行模塊建立及分配模塊優(yōu)先權(quán)。所有新建模塊被置為就緒態(tài)，程序從優(yōu)先權(quán)最高的模塊開(kāi)始執(zhí)行。即首先對(duì)鍵盤進(jìn)行自掃描，然后對(duì)濾波后的樣本采集數(shù)據(jù)進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)運(yùn)算，并將得到的結(jié)果輸出到LCD及上位工控機(jī)中(如圖8所示)。
根據(jù)以上所述，即可實(shí)現(xiàn)本發(fā)明。
權(quán)利要求
1.一種基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量方法，其特征在于，通過(guò)傳感器獲取發(fā)酵現(xiàn)場(chǎng)數(shù)據(jù)，然后經(jīng)整流、濾波和A/D轉(zhuǎn)換后讀入ARM處理器，經(jīng)過(guò)ARM處理器內(nèi)部程序進(jìn)行模糊神經(jīng)逆運(yùn)算，得到菌絲濃度軟測(cè)量值x1*、總糖濃度軟測(cè)量x2*、產(chǎn)物濃度軟測(cè)量x3*，并將得到的結(jié)果輸出到LCD及上位工控機(jī)中。
2.按照權(quán)利要求1所述的基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量方法，其特征在于，其中所說(shuō)的現(xiàn)場(chǎng)數(shù)據(jù)是葡萄糖流加速率u1、玉米漿流加速率u2、磷酸二氫鉀流加速率u3、碳酸鈣流加速率u4、麩質(zhì)粉流加速率u5、溶解氧x4、CO2濃度x5、[H+]濃度x6和發(fā)酵液體積x7。
3.按照權(quán)利要求1所述的基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量方法，其特征在于，所說(shuō)的模糊神經(jīng)逆是采用靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練確定自由參數(shù)來(lái)構(gòu)造的。
4.按照權(quán)利要求3所述的基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量方法，其特征在于，模糊神經(jīng)逆的構(gòu)造方法為具有17個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)的靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)加8個(gè)微分器構(gòu)成具有9個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)的模糊神經(jīng)逆。
5.按照權(quán)利要求4所述的基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量方法，其特征在于，靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)自由參數(shù)的確定包括以下步驟
(2)獲取青霉素發(fā)酵過(guò)程的現(xiàn)場(chǎng)數(shù)據(jù)流加輸入量、可測(cè)輸出量、離線化驗(yàn)量；
(2)數(shù)據(jù)預(yù)處理對(duì)現(xiàn)場(chǎng)數(shù)據(jù)分別進(jìn)行五點(diǎn)平均濾波，并用五點(diǎn)求導(dǎo)法求出相應(yīng)一階導(dǎo)數(shù)和二階導(dǎo)數(shù)，對(duì)離線化驗(yàn)量進(jìn)行最小二乘擬合生成與現(xiàn)場(chǎng)數(shù)據(jù)相對(duì)應(yīng)的數(shù)據(jù)，構(gòu)造用來(lái)確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)自由參數(shù)的訓(xùn)練樣本集和驗(yàn)證樣本集；
(2)確定靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)自由參數(shù)
建立靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型為
其中ail、bil、wi是要訓(xùn)練確定的自由參數(shù)，模糊規(guī)則數(shù)w是固定不變的，初始自由參數(shù)ail(0)、bil(0)、wi(0)的選定是隨機(jī)確定的。然后用構(gòu)成的訓(xùn)練樣本集對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并用驗(yàn)證樣本集對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。
6.一種基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量系統(tǒng)，包括傳感器、濾波電路、嵌入式ARM微處理器、上位工控機(jī)以及系統(tǒng)電源；傳感器與發(fā)酵罐、濾波電路相連，ARM微處理器分別與濾波電路、系統(tǒng)電源、上位工控機(jī)相連，其特征在于，發(fā)酵過(guò)程的可測(cè)數(shù)據(jù)經(jīng)相應(yīng)傳感器和濾波電路接ARM處理器的A/D轉(zhuǎn)換模塊輸入端；ARM中嵌入青霉素發(fā)酵過(guò)程關(guān)鍵生化量軟測(cè)量各功能模塊，包括系統(tǒng)監(jiān)視與故障診斷模塊、鍵盤掃描模塊、模糊神經(jīng)逆軟測(cè)量功能模塊、LCD顯示模塊、異步串行通信模塊。
全文摘要
基于模糊神經(jīng)逆的青霉素發(fā)酵過(guò)程關(guān)鍵生化量的軟測(cè)量及系統(tǒng)構(gòu)造方法是一種用于解決青霉素發(fā)酵過(guò)程中難以用物理傳感器在線實(shí)時(shí)測(cè)量的關(guān)鍵生化量的在線估計(jì)問(wèn)題的方法。模糊神經(jīng)逆軟測(cè)量方法依據(jù)青霉素發(fā)酵過(guò)程(1)的動(dòng)力學(xué)方程建立軟傳感器(11)的模型，在此基礎(chǔ)上根據(jù)逆系統(tǒng)方法建立軟傳感器的逆模型，然后采有靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)(41)加微分器并通過(guò)對(duì)靜態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練確定自由參數(shù)來(lái)構(gòu)造模糊神經(jīng)逆(4)，實(shí)現(xiàn)該軟傳感器逆，最后將模糊神經(jīng)逆串接在青霉素發(fā)酵過(guò)程之后，實(shí)現(xiàn)對(duì)菌體濃度x1、基質(zhì)濃度x2、產(chǎn)物濃度x3的在線實(shí)時(shí)軟測(cè)量。模糊神經(jīng)逆的具體實(shí)現(xiàn)就是所要構(gòu)造的模糊神經(jīng)逆系統(tǒng)，采用嵌入式微處理器ARM處理器實(shí)現(xiàn)。
文檔編號(hào)G06N3/00GK101587350SQ20091003221
公開(kāi)日2009年11月25日 申請(qǐng)日期2009年6月5日 優(yōu)先權(quán)日2009年6月5日
發(fā)明者孫玉坤, 黃永紅, 博 王, 嵇小輔, 劉國(guó)海 申請(qǐng)人:江蘇大學(xué)