CN103500280A - 谷氨酸发酵过程菌体浓度在线软测量方法 - Google Patents
谷氨酸发酵过程菌体浓度在线软测量方法 Download PDFInfo
- Publication number
- CN103500280A CN103500280A CN201310460718.4A CN201310460718A CN103500280A CN 103500280 A CN103500280 A CN 103500280A CN 201310460718 A CN201310460718 A CN 201310460718A CN 103500280 A CN103500280 A CN 103500280A
- Authority
- CN
- China
- Prior art keywords
- cell concentration
- soft
- glutamic acid
- acid fermentation
- soft measurement
- 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.)
- Pending
Links
Images
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
一种谷氨酸发酵过程菌体浓度在线软测量方法,涉及一种菌体测量方法,包括将软测量模型用程序实现在计算机控制***中,然后利用计算机采集谷氨酸发酵过程的实时工艺数据,通过程序化的软测量模型计算菌体浓度,最终实现菌体浓度的在线监测;采用GA算法与BP神经网络结合,构建GA-BP网络谷氨酸发酵过程软测量模型;根据训练好的GA-BP软测量模型用程序实现在计算机中,计算出菌体浓度的估计值,实现在线对菌体浓度的测量。该方法将训练好的GA-BP软测量模型用程序实现在计算机控制***中,通过现场实时采集四个过程参数作为软测量模型的输入,而菌体浓度作为输出,实现对菌体浓度的在线估计,从而提高产量,降低生产成本。
Description
技术领域
本发明涉及一种菌体测量方法,特别是涉及一种谷氨酸发酵过程菌体浓度在线软测量方法。
背景技术
软测量技术就是根据可以检测的过程变量推断某些难以检测或根本无法检测的工艺参数的方法。软测量技术现在广泛应用于过程工业中,应用领域包括炼油、石化、聚合、造纸、采矿、食品、医药、精细化工、半导体、纺织及微电子行业。其中,大量应用于化工行业的诸如推断控制等高级控制、反馈控制、操作指导、质量管理、调度优化、决策支持等环节。国内外学者自上世纪70年代开始就对软测量技术进行了大量研究,80年代中后期至今,它迎来了一个发展的黄金时期,并且在世界范围内掀起一股软测量技术研究的热潮。由于软测量技术在工业控制领域有着十分重要的影响和作用,所以近年来软测量技术得到了突飞猛进的发展,它已涉及到自动控制理论中的建模、***辨识和数据处理等许多重要领域,对其的研究已经历了从线性到非线性,从静态到动态,从无校正功能到有校正功能的发展过程。目前,在炼油、冶金、采矿、精细化工和生物化工等工业生产过程中,都有成功的应用。如炼油厂硫化催化裂化装置实施软测量技术,在线计算裂化反应热、再生定碳、产率分布、粗汽油干点、轻柴油倾点等操作参数,完成硫化催化裂化工艺过程的稳定、协调、优化控制等任务。另外,还可在线计算精馏塔产品组分浓度和塔板效率,化学反应器中反应物浓度和催化剂活性,以及生物发酵罐中的生物量参数等方面。可以预见,有着广阔应用前景的软测量技术,将成为未来过程控制领域研究的一个重点方向,而随着它在理论研究和实践中的不断完善和发展,一定会给工业控制界带来更加满意的经济和社会效益。
发明内容
本发明的目的在于提供一种谷氨酸发酵过程菌体浓度在线软测量方法,该方法将训练好的GA-BP软测量模型用程序实现在计算机控制***中,通过现场实时采集四个过程参数作为软测量模型的输入,而菌体浓度作为输出,实现对菌体浓度的在线估计,从而提高产量,降低生产成本。
本发明的目的是通过以下技术方案实现的:
一种谷氨酸发酵过程菌体浓度在线软测量方法,所述方法包括以下过程:将软测量模型用程序实现在计算机控制***中,然后利用计算机采集谷氨酸发酵过程的实时工艺数据,通过程序化的软测量模型计算菌体浓度,最终实现菌体浓度的在线监测;采用GA算法与BP神经网络结合,构建GA-BP网络谷氨酸发酵过程软测量模型;根据训练好的GA-BP软测量模型用程序实现在计算机中,然后通过现场仪表采集发酵过程的pH值、补糖量、温度和通风量参数,作为软测量模型的输入,计算出菌体浓度的估计值,实现在线对菌体浓度的测量。
附图说明
图1为本发明谷氨酸发酵过程菌体浓度在线软测量***的组成框图;
图2是本发明谷氨酸发酵过程菌体浓度在线软测量***的运行画面照片示意图;
图3是本发明谷氨酸发酵过程菌体浓度在线软测量***的测试照片示意图。
具体实施方式
下面结合附图所示实施例,对本发明作进一步详述。
软测量技术是选择与被估计变量相关的一组可测变量,构造某种以可测变量为输入、被估计变量为输出的数学模型,用计算机软件编程实现重要过程变量的估计。这个过程包括辅助变量的选择、数据的采集和处理、软测量模型的建立和在线校正。
(1)辅助变量的选择:辅助变量的选择一般是根据工艺机理分析(如物料、能量平衡关系),在可测变量集中,初步选择所有与被估计变量有关的原始辅助变量,这些变量中部分可能是相关变量。在此基础上进行精选,确定最终的辅助变量个数。
(2)数据的采集和处理:要建立软测量模型,需要采集被估计变量和原始辅助变量的历史数据,数据的数量越多越好。这些数据的可靠性对于软测量的成功与否至关重要。然而,测量数据一般都不可避免地带有误差,有时甚至带有严重的过失误差。因此,输入数据的处理在软测量方法中占有十分重要的地位。
(3)软测量模型的建立:软测量模型是研究者在深入理解过程机理的基础上,开发出的适用于估计的模型,它是软测量方法的核心,通常有基于过程机理建模和基于过程数据建模的方法。
(4)软测量模型的在线校正:由于过程的时变性、非线性及模型的不完整性,必须考虑模型的在线校正。软测量模型的在线校正可以表示为模型结构和模型参数的优化过程,具体方法有自适应法、增量法和多时标法。由于模型结构的修正需要大量的样本数据和较长的时间,在线进行有实时性比较困难,因此提出了短期学习和长期学习相结合的思想。短期校正只对模型的某些参数进行调整,甚至不调整参数,只通过一些修正算法计算出修正量,直接对输出进行补偿。因此它的校正速度快,适于模型的在线实时校正。长期校正适于模型工作较长时间后,工况和环境干扰有较大改变,模型失配比较严重,短期校正无法满足校正精度的情况。此时往往需要大量新数据对模型进行重新训练以确定新结构及参数。谷氨酸发酵过程菌体浓度在线软测量***,首先根据谷氨酸发酵工艺过程,找到对菌体浓度有直接影响的四个过程参量,它们分别是PH值、温度、通风量和补糖量,然后利用软测量技术建立菌体浓度软测量模型。其中软测量模型的核心是以神经网络与遗传算法相结合构成的GA-BP网络,将训练好的GA-BP软测量模型用程序实现在计算机控制***中,通过现场实时采集四个过程参数作为软测量模型的输入,而菌体浓度作为输出,实现对菌体浓度的在线估计,从而能够提高味精的产量,降低味精生产的成本,提高企业经济效益。
图1中包括PH、温度、补糖量和通风量控制;GA-BP软测量模型;样本训练;谷氨酸菌体浓度计算。图2为谷氨酸发酵过程菌体浓度软测量***运行画面;图3为谷氨酸发酵过程菌体浓度软测量***测试
实施例:
谷氨酸发酵过程菌体浓度在线软测量***是将训练好的软测量模型用计算机程序实现在计算机控制***中,然后通过现场仪表采集谷氨酸发酵过程的可测参数,它们分别是PH值、温度、通风量和补糖量,作为软测量模型的输入,而菌体浓度是软测量的输出,就可在线计算出菌体浓度的估计值。以神经网络与遗传算法相结合构成的GA-BP网络作为软测量模型,采集现场运行的样本数据对网络模型进行训练,只要保证软测量模型的准确性,就可以实现在线对菌体浓度的准确监测。
Claims (1)
1.一种谷氨酸发酵过程菌体浓度在线软测量方法,其特征在于,所述方法包括以下过程:将软测量模型用程序实现在计算机控制***中,然后利用计算机采集谷氨酸发酵过程的实时工艺数据,通过程序化的软测量模型计算菌体浓度,最终实现菌体浓度的在线监测;采用GA算法与BP神经网络结合,构建GA-BP网络谷氨酸发酵过程软测量模型;根据训练好的GA-BP软测量模型用程序实现在计算机中,然后通过现场仪表采集发酵过程的pH值、补糖量、温度和通风量参数,作为软测量模型的输入,计算出菌体浓度的估计值,实现在线对菌体浓度的测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310460718.4A CN103500280A (zh) | 2013-09-30 | 2013-09-30 | 谷氨酸发酵过程菌体浓度在线软测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310460718.4A CN103500280A (zh) | 2013-09-30 | 2013-09-30 | 谷氨酸发酵过程菌体浓度在线软测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103500280A true CN103500280A (zh) | 2014-01-08 |
Family
ID=49865488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310460718.4A Pending CN103500280A (zh) | 2013-09-30 | 2013-09-30 | 谷氨酸发酵过程菌体浓度在线软测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103500280A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104503226A (zh) * | 2014-11-06 | 2015-04-08 | 东华大学 | 基于多传感器信息融合的发酵室环境无线Wi-Fi远程监控*** |
CN105740622A (zh) * | 2016-01-28 | 2016-07-06 | 浙江大学 | 基于混合整数规划的间苯二胺精馏塔软测量***的辅助变量选择方法 |
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*** |
CN106802983A (zh) * | 2016-12-30 | 2017-06-06 | 北京易沃特科技有限公司 | 一种基于优化的bp神经网络的沼气产量建模计算方法及装置 |
CN110161518A (zh) * | 2019-05-29 | 2019-08-23 | 北京华电力拓能源科技有限公司 | 一种用于刮板输送机的体积测量***及方法 |
CN111898301A (zh) * | 2020-07-31 | 2020-11-06 | 上海应用技术大学 | 软测量***的实现方法 |
CN113805627A (zh) * | 2021-09-24 | 2021-12-17 | 领先生物农业股份有限公司 | 纳米膜好氧堆肥物联网控制方法及装置 |
CN115274004A (zh) * | 2022-07-26 | 2022-11-01 | 江南大学 | 一种基于知识复用的发酵过程菌体浓度预测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529281A (zh) * | 2003-10-21 | 2004-09-15 | 上海交通大学 | 神经网络建模方法 |
US20090149981A1 (en) * | 2007-08-14 | 2009-06-11 | Wayne Errol Evans | System and methods for continuous, online monitoring of a chemical plant or refinery |
CN102626557A (zh) * | 2012-04-13 | 2012-08-08 | 长春工业大学 | 基于ga-bp算法的分子蒸馏工艺参数优化方法 |
-
2013
- 2013-09-30 CN CN201310460718.4A patent/CN103500280A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529281A (zh) * | 2003-10-21 | 2004-09-15 | 上海交通大学 | 神经网络建模方法 |
US20090149981A1 (en) * | 2007-08-14 | 2009-06-11 | Wayne Errol Evans | System and methods for continuous, online monitoring of a chemical plant or refinery |
CN102626557A (zh) * | 2012-04-13 | 2012-08-08 | 长春工业大学 | 基于ga-bp算法的分子蒸馏工艺参数优化方法 |
Non-Patent Citations (4)
Title |
---|
姜长洪 等: "《谷氨酸发酵过程先进控制》", 《化工自动化及仪表》, no. 2, 30 April 2004 (2004-04-30) * |
孙蕾 王贵成 等: "《谷氨酸发酵过程菌体浓度的监测方法研究》", 《第六届全国信息获取与处理学术会议》, 6 August 2008 (2008-08-06) * |
王贵成 等: "《基于GA-BP网络软测量监测***的研究》", 《中国化工学会化工自动化及仪表专委会2010年学术年会》, 12 April 2011 (2011-04-12) * |
王贵成 等: "《谷氨酸发酵过程计算机模拟仿真***的设计》", 《计算机技术与应用进展--全国第17界计算机科学与技术应用(CACIS)学术会议论文集(上册)》, 1 July 2006 (2006-07-01) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104503226A (zh) * | 2014-11-06 | 2015-04-08 | 东华大学 | 基于多传感器信息融合的发酵室环境无线Wi-Fi远程监控*** |
CN105740622A (zh) * | 2016-01-28 | 2016-07-06 | 浙江大学 | 基于混合整数规划的间苯二胺精馏塔软测量***的辅助变量选择方法 |
CN105740622B (zh) * | 2016-01-28 | 2019-01-22 | 浙江大学 | 基于混合整数规划的间苯二胺精馏塔软测量***的辅助变量选择方法 |
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*** |
CN106802983A (zh) * | 2016-12-30 | 2017-06-06 | 北京易沃特科技有限公司 | 一种基于优化的bp神经网络的沼气产量建模计算方法及装置 |
CN106802983B (zh) * | 2016-12-30 | 2020-02-18 | 北京易沃特科技有限公司 | 一种基于优化的bp神经网络的沼气产量建模计算方法及装置 |
CN110161518A (zh) * | 2019-05-29 | 2019-08-23 | 北京华电力拓能源科技有限公司 | 一种用于刮板输送机的体积测量***及方法 |
CN111898301A (zh) * | 2020-07-31 | 2020-11-06 | 上海应用技术大学 | 软测量***的实现方法 |
CN113805627A (zh) * | 2021-09-24 | 2021-12-17 | 领先生物农业股份有限公司 | 纳米膜好氧堆肥物联网控制方法及装置 |
CN115274004A (zh) * | 2022-07-26 | 2022-11-01 | 江南大学 | 一种基于知识复用的发酵过程菌体浓度预测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103500280A (zh) | 谷氨酸发酵过程菌体浓度在线软测量方法 | |
Udugama et al. | Digital Twin in biomanufacturing: Challenges and opportunities towards its implementation | |
Gnoth et al. | Process Analytical Technology (PAT): Batch-to-batch reproducibility of fermentation processes by robust process operational design and control | |
Pawlowski et al. | Effective utilization of flue gases in raceway reactor with event-based pH control for microalgae culture | |
Chen et al. | Modelling and optimization of fed-batch fermentation processes using dynamic neural networks and genetic algorithms | |
CN108090500B (zh) | 食用菌发酵生产过程关键参量的软测量方法 | |
EP3639171A1 (en) | Method for predicting outcome of and modelling of a process in a bioreactor | |
WO2023077683A1 (zh) | 一种细胞培养状态在线估计及优化补料调控方法 | |
Urniezius et al. | Generic estimator of biomass concentration for Escherichia coli and Saccharomyces cerevisiae fed-batch cultures based on cumulative oxygen consumption rate | |
Jin et al. | Hybrid intelligent control of substrate feeding for industrial fed-batch chlortetracycline fermentation process | |
CN103792845B (zh) | 一种金霉素发酵过程补糖速率优化控制的方法和*** | |
CN104765347A (zh) | 一种渣油延迟焦化过程中收率实时预测方法 | |
CN106950824A (zh) | 基于模糊神经网络的秸秆发酵燃料乙醇过程补料预测控制***及方法 | |
CN106022532A (zh) | 谷氨酸产物浓度在线估计方法、装置及监控*** | |
CN104267600B (zh) | 钢包精炼炉电极调节控制***及其控制方法 | |
CN117113719A (zh) | 一种污水处理仿真建模***搭建方法 | |
CN1261764C (zh) | 基于工业软测量模型的离线化验值双重校正方法 | |
CN1597918A (zh) | 食用菌液体发酵过程中温度的控制方法及装置 | |
Julien et al. | Bioreactor monitoring, modeling, and simulation | |
CN101419216B (zh) | 基于gp学习建模的发酵制药产物质量软测量方法 | |
CN103439964A (zh) | 一种ocsvm监控模型的在线更新***及方法 | |
CN102486632A (zh) | 一种对二甲苯氧化过程中对苯二甲酸结晶粒径在线分析方法 | |
CN101339408A (zh) | 铝酸钠溶液连续碳酸化分解过程智能控制*** | |
Zhang et al. | Reliable multi-objective on-line re-optimisation control of a fed-batch fermentation process using bootstrap aggregated neural networks | |
EP2383621A1 (en) | Yeast growth maximization with feedback for optimal control of filled batch fermentation in a biofuel manufacturing facility |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140108 |