发酵过程中生物量浓度的在线估计

被引：6

作者：

桑海峰

王福利

何大阔

张大鹏

机构：

[1] 东北大学信息科学与工程学院

来源：

东北大学学报 | 2006年 / 06期

关键词：

发酵; 生物量浓度; 神经网络:最小二乘支持向量机; 软测量;

D O I：

暂无

中图分类号：

TQ920 [一般性问题];

学科分类号：

摘要：

在发酵过程中,像生物量浓度等变量都是进行实验室的离线采样分析,这往往由于存在较大的时间延迟而不能及时地进行过程控制,达不到指导生产的目的.而软测量技术为该问题提出了一个很好的解决办法.基于神经网络与最小二乘支持向量机分别建立了生物量浓度的在线检测软测量模型.模型分为两类:黑箱模型与混合模型.模型的训练与验证数据都是取自真实的实验过程诺西肽发酵.结果表明软测量方法对生物量浓度具有很好的预估性能,而且加入先验知识的混合模型精度更高.

引用

页码：602 / 605

页数：4

共 5 条

[1] 基于RBF神经网络的传感器非线性故障鲁棒诊断 [J].

贾明兴 ;

王福利 ;

何大阔 .

东北大学学报, 2004, (08) :719-722

[2]

支持向量机导论[M]. 电子工业出版社 , (英)NelloCristianini, 2004

[3]

发酵工程实验技术[M]. 化学工业出版社现代生物技术与医药科技出版中心 , 陈坚, 2003

[4]

On-line estimation of biomass concentration using a neural network and information about metabolic state[J] . Bioprocess and Biosystems Engineering . 2005 (1)

[5] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

← 1 →