[发明专利]食用菌发酵生产过程关键参量的软测量方法

摘要

本发明公开了食用菌发酵生产过程关键参量的软测量方法，用于解决食用菌发酵中难以在线实时测量的关键生化量的在线估计问题。首先通过对食用菌发酵过程工艺机理的分析,选取合适的辅助变量并根据历史罐批数据建立训练样本数据库；对当前待预测罐批发酵过程主导变量和辅助变量结合历史发酵过程主导变量和历史辅助变量构成最小二乘支持向量机软测量训练样本数据库且构造与之对应的软测量模型,再利用灰狼算法优化软测量模型中的正规化参数γ和核参数σ2且建立基于灰狼优化最小二乘支持向量机软测量模型,最后获得相应关键生化参量预测值；本发明采用模拟灰狼行为的灰狼优化算法，结构简单、参数设置少、全局搜索能力强，并且不考虑梯度信息的优势。

主权项

1.食用菌发酵生产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:建立食用菌发酵过程历史数据库汇总食用菌发酵过程现场采集的历史辅助变量和离线检测分析的历史主导变量数据,对数据进行坐标变换与插值,建立历史数据库；步骤2：:数据预处理对发酵过程历史数据库中的数据按照服从正态分布时的3σ准则剔除过失数据,并进行数字滤波和校正；步骤3:选取溶解氧DO、酸碱度pH、二氧化碳释放率CER、氧吸收率OUR和葡萄糖流加速率fgl，发酵液中的菌体浓度X、基质浓度S和食用菌产物质量P为主导变量，建立食用菌发酵的基于混沌粒子群优化支持向量机软测量数学模型：φ(P,S,X)＝F(DO,pH,CER,OUR,fgl)式中函数φ表示P,S,X三个参量的函数。步骤4：构建LS-SVM软测量训练样本数据库对当前待预测罐批发酵，将经实验室离线分析的当前待预测罐批发酵过程生化参量X、S、P作为主导变量，直接采集当前待预测罐批的取溶解氧DO、酸碱度pH、二氧化碳释放率CER、氧吸收率OUR和葡萄糖流加速率fgl五个辅助变量，然后先根据步骤2进行相应数据预处理后，再结合历史发酵过程主导变量和历史辅助变量最终构成LS-SVM软测量训练样本数据库；步骤5：对LS-SVM软测量训练样本数据库中的样本数据进行归一化处理，采用归一化处理方法进行处理；步骤6：对归一化处理后样本数据建立基于混沌粒子群优化支持向量机GWO-LSSVM软测量模型。步骤7：根据步骤4得到的LS-SVM软测量训练样本数据库，对步骤6所建立的GWO-LSSVM软测量模型进行训练及测试；步骤8：关键生化参量预测：利用已经训练测试好的GWO-LSSVM软测量模型，根据当前待预测罐批的最新数据集，获得相应关键生化参量预测值；步骤9：判断罐批发酵是否结束，如果没有结束，则重新构建LS-SVM软测量训练样本数据库；如果结束，则更新发酵过程历史数据库，在完成当前罐批关键生化参量预测后，将当前罐批数据也更新到发酵过程历史数据库中，若已更新输出结果，则执行步骤1，最后输出软测量模型预测结果。