[发明专利]一种基于机理模型和模糊加权LSSVM的发酵建模与优化方法

摘要

本发明提供一种基于机理模型和模糊加权LSSVM的发酵建模与优化方法。本发明的思路是添加模糊加权思想和使用混合核函数对LSSVM算法进行优化，并用优化的LSSVM解农杆菌ATCC31749发酵过程动力学模型，结合鸟群算法对动力学模型参数进行辨识；然后总结出溶氧浓度和各参数之间的关联函数并代入动力学模型，建立以溶氧浓度为关键控制变量的发酵动力学模型；最后，用鸟群算法对模型进行寻优，寻找使得发酵产物浓度最大的最优溶氧过程控制策略。本发明的实验仿真结果表明，混合模型的预测精度得到提高，产多糖期溶氧浓度控制为52％时产物浓度最大，为48.85g/L。本发明所建立的农杆菌发酵过程混合模型，为发酵工业上进一步通过最佳溶氧控制策略提高多糖产量提供了方向。

主权项

1.一种基于机理模型和模糊加权LSSVM的发酵建模与优化方法，其特征在于：具体包含如下步骤：步骤1，通过添加模糊加权思想和混合核函数方法对LSSVM算法进行优化，并用优化后的LSSVM算法求解农杆菌ATCC31749发酵过程的动力学模型；步骤2，结合鸟群算法进行改进并对动力学模型参数进行寻优：设置鸟群算法的参数值，并确定动力学模型参数的上下限，以动力学模型的预测值和实际值实验值的误差平方和为适应度函数，用改进的鸟群算法对模型参数进行寻优，得到最优的模型参数；步骤3，获取溶氧浓度和各动力学模型参数之间的关联函数模型并代入到动力学模型，进而建立以溶氧浓度为关键控制变量的发酵动力学模型；步骤4，用改进鸟群算法对发酵动力学模型进行寻优，获取发酵产物的最优溶氧过程控制策略：将机理模型与最小二乘支持向量机方法进行结合，建立混合预测模型，基于建立的混合模型实现关键控制变量的单一化，以实现产物浓度最大化为目的，通过智能优化获得溶氧过程控制曲线。