[发明专利]基于模糊神经网络的赖氨酸发酵过程补料预测控制系统及方法

摘要

种基于模糊神经网络的赖氨酸发酵过程补料预测控制方法及系统。该控制方法首先史罐批数据对模糊神经网络进行训练建立赖氨酸发酵过程的非线性预测模型，然后测模型利用历史和未来罐批数据的输入输出信息预测赖氨酸发酵过程未来的输出并用模型输出误差进行反馈校正得到闭环输出，最后将闭环输出与参考输入轨迹进，应用二次型性能指标进行滚动优化，计算得到当前时刻应加于系统的补料控制量。系统包括与发酵罐直接连接的现场智能检测仪表和蠕动泵及智能控制器，其中智能嵌入了补料预测控制算法。本发明能够适应赖氨酸发酵过程的动态特性、强烈的非回路之间的耦合性，能够得到良好的控制效果。

主权项

一种基于模糊神经网络的赖氨酸发酵过程补料预测控制方法，其特征在于该预测控制方法包括以下步骤：步骤一：建立非线性预测模型，利用历史罐批数据对模糊神经网络进行训练得到赖氨酸发酵过程的输入输出非参数内部非线性预测模型；步骤二；预测未来输出状态，在当前时刻k，利用历史和未来罐批数据的输入输出信息，通过基于模糊神经网络的非线性预测模型对赖氨酸发酵过程未来的输出状态菌丝浓度y1m(k+j)、基质浓度y2m(k+j)、产物深度y3m(k+j)进行预测；步骤三：误差反馈校正，将从步骤二得到的赖氨酸发酵过程未来的输出状态yim(k+j)与k时刻的输出误差ei(k)相加，得到k时刻发酵过程的闭环预测输出菌丝浓度y1p(k+j)、基质浓度y2p(k+j)、产物深度y3p(k+j)；步骤四：设定参考轨迹，为使发酵过程未来输出能沿着设定轨迹平稳的到达设定值，引入参考输入轨迹菌丝浓度y1r(k+j)、基质浓度y2r(k+j)、产物深度y3r(k+j)；步骤五：非线性控制器输出，将得到预测闭环输出yip(k+j)与设定的参考轨迹yir(k+j)进行比较，应用二次型性能指标的控制器进行滚动优化，计算出当前时刻应加于发酵罐的补糖量u1(k)、补氨水量u2(k)、补硫酸氨量u3(k)；步骤六：根据计算出补料量控制蠕动泵的开关时间实现现场补料过程的自动控制。