[发明专利]基于BA-LSSVM的光合细菌发酵过程关键参量的软测量方法

摘要

本发明公开了基于BA‑LSSVM的光合细菌发酵过程关键参量的软测量方法，该方法基于硬件平台及测量仪表与计算机系统软件进行智能计算，通过测量仪表获得实时的过程数据进行实时在线估计。该方法首先依据关联度值选取合适的辅助变量；然后采集历史罐批数据，将发酵数据集分成训练数据集与测试数据集；接着设计一个最小二乘支持向量机模型，利用蝙蝠算法优化最小二乘支持向量机核参数与惩罚参数，获得最优的BA‑LSSVM模型；最终用优化好的模型对关键参量进行预测。实现了对光合细菌发酵过程关键变量的实时在线预测，其中基于蝙蝠算法的最小二乘支持向量机克服了收敛速度和局部搜索能力上有所欠缺的问题，利于对光合细菌发酵的优化控制，提升产品产量与质量。

主权项

基于BA‑LSSVM的光合细菌发酵过程关键参量的软测量方法，其特征在于，包括如下步骤：步骤1，辅助变量选择：选取能直接测量且与发酵过程密切相关的外部变量，用一致相关度法分析其与关键参量的关联度，设定关联度值rij大于某阈值时的外部变量作为软测量模型的辅助变量；步骤2，发酵数据集分类：采集相同工艺下若干历史罐批次的辅助变量和关键参量数据，发酵数据集随机分成两部分，一部分为训练数据集，另一部分为测试数据集；训练数据集用来训练LS‑SVM；步骤3，构建LS‑SVM模型，确定核函数；步骤4，利用蝙蝠算法优化LS‑SVM模型的核参数与惩罚参数，获得最优的BA‑LSSVM软测量模型；步骤5，关键参量的预测：利用已训练好的软测量模型，根据当前待预测罐批的最新输入向量，获得关健参量的预测值。