海洋微生物酶反应器智能控制系统的研制

生物发酵过程具有严重非线性、高度时变性、高阶多变量和大型不确定的特点,为了实现生物发酵过程的自动化控制,提高生物技术产品的生产水平,使得发酵过程的参数检测、操作监视、自动控制等智能化,分析了影响发酵过程的主要因素以及各变量之间的耦合关系,综合应用传统的PID控制方法、模糊神经网络技术,构建了一种多变量模糊神经控制系统的前馈解耦算法并将其应用在发酵过程的思想,同时采用了冷凝、回收、利用发酵尾气技术,解决了尾气排放、罐体泄漏染菌的问题。模糊神经控制器和解耦部分独立设计,在模糊控制器中引入神经网络,解耦网络采用一层隐层,利用简化的学习算法,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识被控对象的模型。该方法结构简单且计算量小,经实际应用结果表明这种控制算法具有很好的控制效果。

采用遗传算法的直接转矩控制系统仿真研究

直接转矩控制 (DTC)是一种高性能的控制方法 ,它的关键部件是状态选择器 用神经网络来模拟传统异步电动机DTC系统的状态选择器 ,并采用遗传算法训练该神经网络 ,然后用训练好的神经网络代替状态选择器 ,并进行了仿真研究 。

太阳能电池MPPT方法的初值问题及其实验研究

阐述了采用最大功率跟踪控制(Maximum Power Point Tracking,简称MPPT)的原因,比较了几种MPPT实现方法的优缺点。基于增量电导法(Incremental Conductance,简称INC)研究了MPPT参考电压初值的设置方法,提出在MPPT参数初始化程序中,将参考电压初值设定为当前光强和温度对应的开路电压的76%,可使系统开机后能快速跟踪到太阳能电池最大功率点。最后通过原理样机验证了所提MPPT初值设置方法正确性和有效性。

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶(marine protease,MP)发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络(PSO-RBFNN)的MP发酵过程软测量建模方法。首先采用指数下降惯性权重(exponential decreasing inertia weight,EDIW)策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。

基于改进布谷鸟算法-BP神经网络的松茸发酵过程软测量建模

针对松茸发酵过程中关键参量难以实时在线检测的难题,提出了一种基于改进布谷鸟算法(CS)与改进BP神经网络(BPNN)相结合的松茸菌丝生物量软测量建模方法;首先采用两阶段动态发现概率法对传统CS进行改进,平衡CS的全局搜索与局部搜索能力;然后引入附加动量和动态调整学习率对BPNN进行改进,提高BPNN参量的修正精度;最后,通过CS算法获取BPNN的初始权值和阈值,并由权值修正公式(附加动量与动态学习率相结合)对权值进行动态修正;仿真结果表明,改进的CS-BPNN软测量模型在预测精度提高了6%以上,能够实现松茸发酵过程实时在线测量的需求。

基于SUKF的海洋溶菌酶发酵菌体浓度软测量

为准确、实时地测量海洋生物酶制剂发酵过程中的菌体活性浓度,提出了基于SUKF(scale unscented transformation kalman filter)算法的非线性状态估计软测量.算法采用Kalman滤波框架,嵌入非敏变换,通过变尺度变换有效解决发酵高维非线性模型采样的聚集劣化效应.在σ点集对称采样策略中,根据发酵各维均值的先验信息增加了均值点.通过采用交叉检验办法选择模型参数,并将算法与支持向量机、径向基神经网络算法进行了试验比对.结果表明,SUKF软测量的训练和测试最小方均根统计误差减少2%左右.该软测量方法不需要建立精确的发酵模型和观测模型.对于非线性系统辨识,SUKF具有更好的泛化性能,且方法精度高.

基于非线性核脊回归算法的海洋微生物发酵参数软测量

针对海洋微生物溶菌酶发酵工艺中参数实时测量,采用根据发酵过程中主辅变量关系的相关灵敏度矩阵绝对值最大元素排序选择辅助变量,运用非线性核脊回归(NKRR)算法预测主导参数的软测量方法。相关灵敏度矩阵反映主辅变量联系,根据发酵实际实验得到。改进直接优化的非线性核脊回归算法辨识发酵非线性系统,将空间Rn中主导变量和辅助变量非线性函数映射关系转化为空间H中的线性划分,运用M ercer条件的核函数求解回归方程,避免直接计算变量映射函数及其内积。通过仿真研究和比对SVM、径向基神经网络(RBFNN)两种算法的实际运行结果表明,该软测量方法具有较好的泛化性能,实时性和准确性可以满足要求。

固体发酵过程参数检测与优化控制

针对固体发酵过程中主导参数难以在线实时测量和控制,运用软测量方法和智能控制技术,构建了一种多变量模糊神经控制系统及其解耦算法;综合应用传统的PID控制方法、模糊神经网络技术,并参考历史数据和专家经验取得优化控制。实验证明,该方法结构简单、具有较好的泛化性能,实时性和准确性可以满足生产要求。

基于IBA-LSSVM的光合细菌发酵软测量

针对光合细菌(PSB)发酵过程活菌浓度难以在线检测,离线测量又存在很大延时及易染菌的问题,提出一种基于改进蝙蝠-最小二乘支持向量机(IBA-LSSVM)的软测量建模方法;先对BA的速度更新公式进行改进,且将差分进化算法(DE)的变异机制引入BA,增加了种群多样性,进而提升了BA算法的全局及局部搜索能力,然后构建了活菌浓度的IBA-LSSVM软测量模型,并与BA-LSSVM软测量模型进行对比;仿真结果表明,改进的模型相较于BA-LSSVM模型有着更好的学习能力和预测性能,测量误差为0.135 8,可为光合细菌发酵过程的优化控制提供准确有效的指导,有一定的实际应用价值。

基于PSO和变步长电导增量法的5G基站充电策略

在出现局部阴影的情况下,光伏阵列的输出特性具有高度的非线性、时变性以及功率极值点增加的特性,因此,导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效。针对这一问题,提出了一种基于粒子群优化算法和变步长电导增量法的改进MPPT算法。首先分析太阳能电池数学模型,选择Simulink的PV Array模块模拟太阳能电池,搭建完整仿真电路模型。然后编写基于粒子群优化算法和变步长电导增量法的改进MPPT算法程序。最后在温度为25℃,光照强度为1000 W/m2条件下,对比不同方法的仿真结果。实验结果表明:所提算法能够在系统的快速启动以及光照情况发生变化时完成最大功率点的快速定位,并可以根据设定的情况将最大功率点稳定在一个较为精确的范围。

VB环境下发酵过程的上位机监控系统

本文设计了发酵过程的监控系统,利用VB实现了上位机与多通道分布式下位机之间的串行通信,以及上位机监控界面的设计,具有强大的数据处理能力和图像显示能力,并可通过数据传送对下位机进行控制,方便地实现了对发酵过程的实时监控。

基于Bayesian的海洋脂肪酶发酵过程软测量建模

针对海洋微生物低温碱性脂肪酶发酵过程中的关键生物参数(如菌体浓度、葡萄糖浓度等)难以在线检测,提出了一种基于贝叶斯证据框架下的加权最小二乘支持向量机(WLS-SVM)的建模方法。首先,对生物参数进行非线性建模分析,确定软测量模型的辅助变量。然后,应用训练样本集对最小二乘支持向量机进行训练,训练过程中运用贝叶斯证据框架下的三层推断确定模型的最优权向量、最优正则化参数、最优核参数。为了提高模型的鲁棒性,根据误差变量确定权重系数,建立了在发酵过程中可准确预测生物参数的WLS-SVM模型。试验仿真中与传统最小二乘支持向量机模型进行对比,结果表明,基于贝叶斯证据框架下的加权最小二乘支持向量机模型具有计算速度快、泛化能力强、预测精度高等特点。

梳状光电传感器及其信号调理电路的研制

为了改变车辆行驶性能测试采用五轮仪的落后状况 ,采用新一代梳状光电传感器 ,研制成非接触式车速仪。分析了该光电传感器的工作原理及信号特点 ,设计了适合处理该信号的窄带通跟踪滤波器。通过压缩带宽 ,克服了干扰 ,防止了有效信号的丢失 ,提高了精度。研制的锁相环预偏电路 ,解决了起步车速和调速的测量问题。实际测试和对比试验表明 ,采用该光电传感器及其研制的车速仪 ,测量精度高 ,使用方便 ,具有较大的推广应用价值。

基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模

针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法(chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机(least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明:基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.

重型平台运输车的电液控制系统设计

重型平台运输车的应用日益广泛 ,为满足不断增长的大型产品部件的生产及采用大型部件施工的需求 ,研制了 130t重型平台运输车 阐述了该车所要求的升降、转向模式 ,采用可编程序控制器 (PLC)开发了各模式的电控液动随动控制系统 ,设计了适合于双驾驶室的电气控制电路 ,并对转向系统做了实验室模拟

基于改进即时学习的海洋碱性蛋白酶菌体浓度广义预测控制

针对微生物发酵过程中普遍存在的时变性、非线性等问题,基于最小二乘回归算法和改进即时学习(JITL)策略设计出一种基质给进速率控制器。首先,通过发酵仪器采集数据形成历史数据库,再使用加权模糊C均值聚类(WFCM)算法对数据进行分类,使查询值到来时能快速建立基于JITL-LS-SVM的海洋碱性蛋白酶菌体浓度局部预测模型。同时,为了避免预测控制中求解非线性问题,采用泰勒线性化方法,并用广义预测(GPC)算法对海洋碱性蛋白酶菌体浓度进行预测控制。实验仿真表明:基于改进JITL的JITL-LS-SVM模型能够达到较好的控制效果,并且葡萄糖给进速率响应迅速,适合海洋碱性蛋白酶发酵过程中的基质流加补料控制。

基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

针对海洋溶菌酶发酵过程菌体浓度在线检测难以实现,离线测量不能反映发酵过程当前变化等问题,提出了一种基于改进磷虾群—自适应模糊神经网络软测量(HLKH-ANFIS)建模方法;首先利用自适应莱维飞行策略对传统KH进行改进,从而提升算法的全局搜索能力;同时利用跳变技术(HOT)对KH算法位置更新公式进行改进,提高算法的局部寻优能力,然后利用改进的KH算法对自适应模糊神经网络反馈进行优化,改善其过度修正和计算量大的问题;最后建立基于HLKH-ANFIS的海洋溶菌酶发酵过程菌体浓度软测量预测模型,仿真分析表明:相较于KH-ANFIS预测模型,HLKH-ANFIS模型的误差较小,具有更好的预测能力,能够满足ML发酵关键参量的在线预测需要。

基于IFWA-MLSSVR的海洋溶菌酶发酵过程软测量

为改善传统软测量模型易于陷入局部最优且精度不高等缺点,采用一种混合核函数的最小二乘支持向量机(MLSSVR)进行软测量建模,并以改进的烟花算法IFWA对其参数进行寻优,提高预测精度。以海洋溶菌酶作为研究对象,仿真结果表明,该模型相比FWA-MLSSVR和IFWA-LSSVR在均方根误差上分别减小了0.343 9和0.746 2,其中混合核函数策略可避免局部最优,IFWA参数优化策略可有效提高模型预测精度。该预测模型很好地满足了设计要求,具有较高应用价值。

基于贝叶斯推断的多层软测量建模在丁醇发酵中的应用

针对丁醇生产过程中发酵产物品质参量难以实时测量,现有测量方法精度不高、测量结果受不确定因素影响较大的问题,提出一种基于贝叶斯推断和支持向量回归(Support vector machine regression,SVR)的多层软测量建模方法。首先应用贝叶斯推断计算后验概率、筛选偏置数据,并对偏置数据校准,建立第一层SVR模型;然后利用贝叶斯推断进行二次校准,建立第二层SVR模型,对第一层SVR模型输出进行修正,得到最终预测结果,克服干扰和偏差引起的模型不准确问题。将基于贝叶斯推断的多层支持向量回归(Bi-SVR)预测模型应用于丁醇发酵过程,仿真及实验结果表明,相较于传统SVR预测模型,系统在低干扰的情况下预测精度提高了4.52%,在高干扰时预测精度提高了5.37%。

赖氨酸发酵过程关键参数的模糊神经网络逆软测量研究

针对微生物发酵关键生物量参数(基质浓度、菌丝浓度和产物浓度)难以直接测量的问题,以赖氨酸发酵过程为研究对象,采用基于"虚拟子系统"的模糊神经网络逆系统软测量方法对关键生物量参数进行在线估计。假定在发酵过程内部存在一个以不可直接测量参数为输入,直接可测参数为输出的"虚拟子系统",并建立"虚拟子系统"的数学模型。再构造"虚拟子系统"的模糊神经网络逆系统,将逆系统串接在"虚拟子系统"后构成复合伪线性系统,得到动态软测量模型,实现不可直接测量参数的在线估计。实验结果表明:该方法能很好地实时估算赖氨酸发酵过程关键参数,为进行赖氨酸发酵过程补料优化控制打下良好的基础。