CN102231057B - 基于混沌粒子群优化的赖氨酸发酵过程软测量方法 - Google Patents
基于混沌粒子群优化的赖氨酸发酵过程软测量方法 Download PDFInfo
- Publication number
- CN102231057B CN102231057B CN 201110052527 CN201110052527A CN102231057B CN 102231057 B CN102231057 B CN 102231057B CN 201110052527 CN201110052527 CN 201110052527 CN 201110052527 A CN201110052527 A CN 201110052527A CN 102231057 B CN102231057 B CN 102231057B
- Authority
- CN
- China
- Prior art keywords
- soft
- historical
- sensing model
- vector machine
- variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Description
技术领域
本发明属于生物技术和测量技术的交叉领域,涉及生物发酵过程关键生化参量的优化建模,具体涉及赖氨酸发酵过程的混沌粒子群优化支持向量机软测量建模方法,实现关键生化参量的实时在线测量。
背景技术
赖氨酸名列八种人体必需氨基酸之首,广泛应用于食品、医疗、饲料等领域。赖氨酸发酵属于二类发酵,产物形成表现为生长偶联型,其发酵过程具有时变、非线性、多变量、强耦合等特征,内部机理非常复杂。发酵过程的关键生化参量,如菌体浓度X、基质浓度S、赖氨酸产物浓度P等无法通过常规仪表在线测量,成为影响发酵过程在线优化控制的瓶颈技术。通常这些关键参数的获取,是采用周期采样、离线分析测定,由于受到取样间隔的影响,测定值的滞后大,实时性差,不能满足实时控制的需要,特别是人工取样容易给发酵过程带来人为污染,引起产量和质量的下降。
发明内容
本发明的目的是为克服目前赖氨酸发酵过程关键生化参量无法精确测量的不足而提出一种基于混沌粒子群优化的赖氨酸发酵过程软测量方法,通过常规在线测量仪表提供的辅助变量信号即可在线、实时、精确得到当前的主导变量值。
一致关联度,其中,;;;;为两变量的相关系数;分别为数据预处理后的赖氨酸发酵过程不可测变量和可测变量;为样本数;;为样本点;为相邻两样本数据的变化量;为相邻样本数据变化量的平均值;为符号因子,为数据变化率对关联度的影响因子,,为变化率关联系数,;
(3)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溶解氧、酸碱度值、二氧化碳释放率、氧吸收率和葡萄糖流加速率这五个量为辅助变量,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经一致关联度选取后的历史辅助变量,最终构成得到最小二乘支持向量机软测量训练样本数据库;
(4)对最小二乘支持向量机软测量训练样本数据库中的样本数据进行归一化处理,构造与之对应的最小二乘支持向量机软测量模型,利用混沌粒子群算法优化软测量模型中的正规化参数和核参数,建立基于混沌粒子群优化支持向量机软测量模型,并训练及测试该模型;在给定空间上寻找函数集合,使得软测量数学模型的函数在给定的误差约束下有式成立,式就是所建立的基于混沌粒子群优化支持向量机软测量模型,ε为给定的误差,函数表示X、S、P三个参量的函数;
(5)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;
(6)判断罐批发酵是否结束,如果没有结束,则重新构建最小二乘支持向量机软测量训练样本数据库,即执行步骤(3)-(5),如果结束,则更新罐批发酵过程历史数据库,即更新步骤(1)中所建立的历史数据库,若所建立的历史数据库已更新,则执行步骤(5),否则执行步骤(1)-(5),最后输出软测量模型预测结果;
3)输入样本训练最小二乘支持向量机软测量模型;
5)更新个体极值和全局极值:若,则;否则不变;若,则;否则不变;如果达到最大迭代次数或收敛精度,执行步骤9),否则判断算法停滞步数并添加极值扰动算子和,其中、分别表示个体极值和全局极值进化停滞步数;、分别表示对应的停滞步数阈值;、分别表示带条件的均匀随机函数;
7)对算法停滞步数进行计数;
本发明的有益效果是:
1、结合具体赖氨酸发酵过程采用混沌粒子群(CPSO)算法优化参数,既利用标准粒子群(PSO)算法收敛速度快、简单易于实现的优点,又充分发挥混沌运动随机性和遍历性的优势,所建立的混沌粒子群优化支持向量机(CPSO-LSSVM)软测量模型采用混沌序列初始化粒子群位置,使粒子较均匀、不重复地遍布解空间,增强了软测量模型的全局寻优能力,并且粒子群算法中添加了极值扰动算子,在提高了算法优化速度的同时,更进一步降低了正规化参数和核参数陷入局部极值的概率,采用已经优化的正规化参数和核参数作为LSSVM软测量模型参数进行建模,全局优化能力强。最终得到的CPSO-LSSVM软测量模型发挥了LSSVM的小样本学习和计算简单的特点。
2、利用常规检测仪表和计算机***提供的在线过程数据就可实现赖氨酸发酵过程关键生化参量的实时在线软测量,解决了发酵过程优化控制的瓶颈问题。与周期采样、人工取样分析法相比,大大降低了发酵过程中由人为操作引起的很多不确定性,提高了测量的实时性,避免了离线取样分析带来的费时、费力、数据滞后、易染菌等弊端,预测和测量精度高、速度快、能力强、泛化能力好,为后续发酵过程实施补料、优化控制等提供先决条件。
附图说明
以下结合附图和具体实施方式对本发明作进一步详细说明:
图1为赖氨酸发酵软测量模型;
图2为赖氨酸发酵过程中基于混沌粒子群优化的软测量方法流程图;
图3为混沌粒子群优化支持向量机软测量模型参数算法流程图。
具体实施方式
参见图1,将赖氨酸放置在发酵罐中进行发酵培养,赖氨酸在发酵过程中,影响发酵品质及发酵效率的变量主要有:发酵液中的菌体浓度X、基质浓度S和赖氨酸产物浓度P,因此选择X、S、P作为软测量模型的主导变量。赖氨酸发酵软测量模型的输出即为X、S、P这三个主导变量。在实际发酵过程中,菌体细胞生长所依赖的环境变量有很多,如图1中的温度t、反应器压力p、酸碱度PH值、搅拌电机转速、溶解氧、发酵液体积、葡萄糖流加速率、氨水流加速率、二氧化碳释放率和氧吸收率。
赖氨酸在发酵罐中进行几天补料分批培养发酵,由数字控制***以每分钟一次的速度实时采集发酵过程中溶解氧、酸碱度值、二氧化碳释放率、氧吸收率和葡萄糖流加速率。每4小时取样一次发酵液并离线检测分析菌体浓度X、基质浓度S、赖氨酸产物浓度P。发酵过程软测量方法参见图2,具体实现步骤如下:
步骤1:建立赖氨酸发酵过程历史数据库。汇总赖氨酸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准则剔除过失数据,并进行数字滤波和校正。准则是指当测量次数足够大且测量数据服从正态分布时,若某次测量值所对应的剩余误差,σ为正态分布的标准差,则认为该测量值为异常数据,予以剔除。
步骤3:步骤2中剔除了过失数据并进行数字滤波和校正后形成了历史发酵过程参量数据库。
步骤4:选取历史辅助变量。为了确定环境变量对赖氨酸发酵软测量模型输出的影响,采用一致关联度评价环境变量与主导变量之间的联系程度,用一致关联度法评价发酵过程参量数据与待测量的生化参量之间的关联度,从历史发酵过程参量数据库中选取一致关联度的历史过程参量为历史辅助变量,即历史数据库中溶解氧、酸碱度值、二氧化碳释放率、氧吸收率和葡萄糖流加速率这五个辅助变量符合的要求。
表1辅助变量的关联度
由表1可知,溶解氧、酸碱度值、二氧化碳释放率、氧吸收率、葡萄糖流加速率与主导变量菌体浓度X较为相关,因此图1中辅助变量实际选取的是上述五个量。图1赖氨酸发酵的软测量数学模型可描述为:在给定空间上寻找函数集合,使得软测量数学模型的函数在给定的误差约束下有下式成立,ε为给定的误差:
步骤5:构建LSSVM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溶解氧、酸碱度值、二氧化碳释放率、氧吸收率和葡萄糖流加速率这五个量为辅助变量,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经一致关联度选取后的历史辅助变量,最终构成得到LSSVM软测量训练样本数据库。
步骤6:对LSSVM软测量训练样本数据库中的样本数据进行归一化处理,采用常规的归一化处理方法进行处理。
步骤7: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(CPSO-LSSVM)软测量模型。对归一化处理后的赖氨酸发酵过程LSSVM软测量训练样本数据库,构造与之对应的最小二乘支持向量机(LSSVM)软测量模型,利用混沌粒子群算法(CPSO)优化软测量模型中的正规化参数和核参数,建立CPSO-LSSVM软测量模型。
步骤8:根据步骤5得到的LSSVM软测量训练样本数据库,对步骤7所建立的CPSO-LSSVM软测量模型进行训练及测试。
步骤9:关键生化参量预测。利用已经训练测试好的CPSO-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10:判断罐批发酵是否结束;如果没有结束,则重新构建LSSVM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,若已更新执行步骤9;否则执行步骤1-9,最后可输出软测量模型预测结果。
对上述的软测量训练样本数据库中的个样本,根据式(8),将辅助变量作为LSSVM软测量模型输入量,,,输出量为主导变量X、S、P三个参量中的任意一个参量非线性映射函数,将输入空间映射至Hilbert(希尔伯空间)特征空间,数据逼近的LSSVM可描述为:
为求解该约束的最优化问题,引入Lagrange(拉格朗日)函数:
由此得到LSSVM回归的软测量模型为
其中:α i 和b由式求解得到。
LSSVM软测量模型中的正规化参数和核参数是影响软测量模型精度的重要参数,本发明采用混沌粒子群算法进行参数选取。假设在一个D维的目标搜索空间中,有m个粒子组成一个群落,每个粒子被视为搜索空间中的一点,并以一定速度飞行,各粒子根据自身的飞行经验和同伴的飞行经验动态调整速度的大小和方向。其中,为粒子当前位置,由和映射得到,粒子速度表示为,并根据混沌序列初始化和;为个体极值;为全局极值。
粒子根据以下极值扰动粒子群算法更新速度和位置:
(17)
(20)
(3)输入样本进行最小二乘支持向量机(LSSVM)算法训练。建立LSSVM软测量模型,根据输入样本训练该软测量模型。
(9)对算法停滞步数进行计数。
Claims (1)
1.一种基于混沌粒子群优化的赖氨酸发酵过程软测量方法,选取赖氨酸罐批发酵过程中的溶解氧 、酸碱度值、二氧化碳释放率、氧吸收率和葡萄糖流加速率为辅助变量及菌体浓度X、基质浓度S、赖氨酸产物浓度P为主导变量,其特征在于包括以下步骤:
一致关联度 ,其中,;;;;为两变量的相关系数;分别为数据预处理后的赖氨酸发酵过程不可测变量和可测变量;为样本数;;为样本点;为相邻两样本数据的变化量;为相邻样本数据变化量的平均值;为符号因子,为数据变化率对关联度的影响因子,,为变化率关联系数,;
(3)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溶解氧、酸碱度值、二氧化碳释放率、氧吸收率和葡萄糖流加速率这五个量为辅助变量,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经一致关联度选取后的历史辅助变量,最终构成得到最小二乘支持向量机软测量训练样本数据库;
(4)对最小二乘支持向量机软测量训练样本数据库中的样本数据进行归一化处理,构造与之对应的最小二乘支持向量机软测量模型,利用混沌粒子群算法优化软测量模型中的正规化参数和核参数,建立基于混沌粒子群优化支持向量机软测量模型,并训练及测试该模型;所建立的基于混沌粒子群优化支持向量机软测量模型是,函数表示X、S、P三个参量的函数,f表示软测量数学模型函数;
(5)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;
(6)判断罐批发酵是否结束,如果没有结束,则重新构建最小二乘支持向量机软测量训练样本数据库,即执行步骤(3)-(5),如果结束,则更新罐批发酵过程历史数据库,即更新步骤(1)中所建立的历史数据库,若所建立的历史数据库已更新,则执行步骤(5),否则执行步骤(1),最后输出软测量模型预测结果;
3)输入样本训练最小二乘支持向量机软测量模型;
5)更新个体极值和全局极值:若,则;否则不变;若,则;否则不变;如果达到最大迭代次数或收敛精度,执行步骤9),否则判断算法停滞步数并添加极值扰动算子和,其中、分别表示个体极值和全局极值进化停滞步数;、分别表示对应的停滞步数阈值;、分别表示带条件的均匀随机函数;
7)对算法停滞步数进行计数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110052527 CN102231057B (zh) | 2011-03-04 | 2011-03-04 | 基于混沌粒子群优化的赖氨酸发酵过程软测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110052527 CN102231057B (zh) | 2011-03-04 | 2011-03-04 | 基于混沌粒子群优化的赖氨酸发酵过程软测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102231057A CN102231057A (zh) | 2011-11-02 |
CN102231057B true CN102231057B (zh) | 2013-08-21 |
Family
ID=44843630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110052527 Expired - Fee Related CN102231057B (zh) | 2011-03-04 | 2011-03-04 | 基于混沌粒子群优化的赖氨酸发酵过程软测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102231057B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014106916A1 (de) * | 2013-05-28 | 2014-12-04 | Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG | Vorrichtung zur automatisierten Bestimmung von mindestens zwei unterschiedlichen Prozessparametern |
CN104318090A (zh) * | 2014-10-13 | 2015-01-28 | 江苏大学 | 基于最小二乘法支持向量机的溶菌酶发酵过程中的广义预测方法 |
CN105676814B (zh) * | 2016-01-11 | 2017-12-29 | 大唐环境产业集团股份有限公司 | 基于sfla‑svm的数字化水岛在线加药控制方法 |
CN107024861B (zh) * | 2016-02-01 | 2020-10-23 | 上海梅山钢铁股份有限公司 | 一种转炉干法除尘***的在线建模方法 |
CN106052753A (zh) * | 2016-05-18 | 2016-10-26 | 江苏大学 | 基于模糊支持向量机的秸秆发酵燃料乙醇过程关键状态变量软测量方法 |
EP3296387B1 (de) * | 2016-09-16 | 2019-05-15 | Siemens Aktiengesellschaft | Verfahren zur überwachung von bioprozessen |
CN106444377A (zh) * | 2016-10-09 | 2017-02-22 | 江苏大学 | 基于pso‑fsvm的赖氨酸发酵过程关键变量软测量方法及*** |
CN106782703A (zh) * | 2016-12-05 | 2017-05-31 | 浙江大学 | 一种核电站一回路冷却剂泄漏的软测量方法 |
CN106814171B (zh) * | 2017-01-18 | 2019-02-19 | 江南大学 | 一种利用数学模型确定食用油中植物甾醇添加量的方法 |
CN107766880B (zh) * | 2017-10-09 | 2020-08-28 | 江苏大学 | 基于ba-lssvm的光合细菌发酵过程关键参量的软测量方法 |
CN108090500B (zh) * | 2017-11-22 | 2021-01-15 | 江苏大学 | 食用菌发酵生产过程关键参量的软测量方法 |
CN108388113B (zh) * | 2018-02-07 | 2019-11-15 | 浙江大学 | 基于分布估计局部优化的最小二乘支持向量机软测量建模方法 |
CN108520111B (zh) * | 2018-03-06 | 2021-11-30 | 宁波大学 | 一种基于正交成分最优选择与最优回归的软测量方法 |
CN108629146A (zh) * | 2018-04-25 | 2018-10-09 | 广西民族大学 | 混沌粒子群算法及其在生化过程动态优化中的应用方法 |
CN110095188B (zh) * | 2019-04-02 | 2021-07-16 | 杭州盗火者科技有限公司 | 一种光谱还原方法、装置及计算机可读存储介质 |
CN112541296A (zh) * | 2020-07-22 | 2021-03-23 | 华北电力大学(保定) | 一种基于pso-lssvm的so2预测方法 |
CN112069567B (zh) * | 2020-08-07 | 2024-01-12 | 湖北交投十巫高速公路有限公司 | 基于随机森林和智能算法预测混凝土抗压强度的方法 |
CN114417720B (zh) * | 2022-01-19 | 2023-04-28 | 江苏大学 | 一种毕赤酵母发酵过程多模型预测控制方法 |
CN115356936A (zh) * | 2022-10-19 | 2022-11-18 | 山东润德生物科技有限公司 | 氨糖发酵过程中的补料控制方法、***、存储介质及设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587350B (zh) * | 2009-06-05 | 2012-05-23 | 江苏大学 | 基于模糊神经逆的青霉素发酵过程关键生化量的软测量方法及***构造 |
CN101763036A (zh) * | 2009-12-29 | 2010-06-30 | 江苏大学 | 基于模糊神经网络的赖氨酸发酵过程补料预测控制***及方法 |
CN101872387A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种啤酒口味的软测量方法 |
CN101872444B (zh) * | 2010-05-21 | 2012-07-25 | 杭州电子科技大学 | 一种结合中期修正策略的间歇过程批到批优化方法 |
-
2011
- 2011-03-04 CN CN 201110052527 patent/CN102231057B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102231057A (zh) | 2011-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102231057B (zh) | 基于混沌粒子群优化的赖氨酸发酵过程软测量方法 | |
CN108090500B (zh) | 食用菌发酵生产过程关键参量的软测量方法 | |
CN101630376B (zh) | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 | |
CN101315557B (zh) | 基于遗传算法优化bp神经网络的丙烯聚合生产过程最优软测量仪表及方法 | |
CN110807554B (zh) | 基于风电/光伏经典场景集的生成方法及*** | |
US20200202051A1 (en) | Method for Predicting Outcome of an Modelling of a Process in a Bioreactor | |
CN101799888B (zh) | 基于仿生智能蚁群算法的工业软测量方法 | |
CN106843172A (zh) | 基于jy‑kpls的复杂工业过程在线质量预测方法 | |
CN101929993A (zh) | 基于动态模糊神经网络的青霉素发酵过程软测量建模方法 | |
CN101748186A (zh) | 基于模糊支持向量机的赖氨酸发酵过程关键状态变量软测量方法及*** | |
CN103226728B (zh) | 高密度聚乙烯串级聚合反应过程智能检测与收率优化方法 | |
CN109616161B (zh) | 一种基于孪生支持向量回归机的发酵过程软测量方法 | |
CN110046377A (zh) | 一种基于异构相似度的选择性集成即时学习软测量建模方法 | |
CN103674778A (zh) | Rbf粒子群优化的工业熔融指数软测量仪表和方法 | |
CN110908361B (zh) | 一种基于在线孪生支持向量回归机的发酵过程软测量方法 | |
CN103675006A (zh) | 最小二乘的工业熔融指数软测量仪表和方法 | |
CN107766880B (zh) | 基于ba-lssvm的光合细菌发酵过程关键参量的软测量方法 | |
CN110276480A (zh) | 一种用于建筑能耗管理的分析预测方法及*** | |
CN110909492B (zh) | 一种基于极端梯度提升算法的污水处理过程软测量方法 | |
CN106599391B (zh) | 基于三角形角度值动态加权的关联向量机软测量建模方法 | |
CN113051806A (zh) | 一种基于aqpso-rbf神经网络的水质bod测量方法 | |
Niu et al. | Modeling and parameter updating for nosiheptide fed-batch fermentation process | |
CN103617316B (zh) | 一种基于多核支持向量机的发酵过程动态预测方法 | |
CN113377075B (zh) | 一种稀土萃取过程实时优化的方法、装置及计算机可读存储介质 | |
CN109598083A (zh) | 一种基于果蝇算法优化孪生支持向量回归机的谷氨酸发酵过程软测量建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130821 Termination date: 20160304 |
|
CF01 | Termination of patent right due to non-payment of annual fee |