基于HAFBPLS的透明质酸生产软测量技术研究与实现

发布时间：2017-04-15 06:13

  本文关键词：基于HAFBPLS的透明质酸生产软测量技术研究与实现，由笔耕文化传播整理发布。

【摘要】：随着现代科技的发展,人们生活水平的提高,现代工业对于生产的要求也越来越高,特别是在时效性、节能性、便捷性、可追溯性等方面更为突出。例如,在基于发酵方法为基础的化工制药等领域,仅仅获取温度、罐压、液位、PH值等已经不能满足工业生产中对工艺操作和控制的要求。由于工业发酵生产中常常涉及各种复杂、非线性的物质转换和能量的传递,使得对某些关键过程变量测量变的很困难。要想获得这些某个利用现有技术不能获取的参数变量,除了需要高精度的传感器外,更重要的是需要对能够检测到的各种参数进行综合分析,发现未知参数和已知参数的关联关系,建立相应的模型,最终得到这些未知参数变量的值。目前常用的方法可以分为两类:一类是传感器直接测量方法,一类是人工检测方法。人工检测方法不仅经济代价比较大,而且比较耗时。目前在发酵法生产透明质酸行业,还没有一种比较好的方法对其发酵产物的浓度进行检验和预测。本文针对以上问题,通过建立相应软测量模型,对透明质酸浓度进行预测分析。最后介绍了“发酵过程远程监控系统”的核心模块和实现。本文的主要的工作如下:(1)分析了目前主流的软测量模型建模方法和步骤,主要包括:支持向量机和神经网络,并对不同建模方法的优缺点进行了分析。针对透明质酸预测的实际情况选择最小二乘支持向量机作为建模的算法。结合透明质酸发酵的影响因素,详细说明了通过计算各个变量对目标变量影响因子的大小,来构建最合适的软测量模型,并对建模的步骤详细说明。(2)提出了HAFBPLS(Hyaluronic Acid Forecast Based on PSO and LS-SVM,基于PSO和LS-SVM的透明质酸预测方法)预测透明质酸浓度模型。选择粒子群算法(PSO)对软测量模型的参数进行优化。分析了选择粒子群算法作为最小二乘支持向量机软测量模型(LSSVM)参数优化算法的原因,详细论述了粒子群算法优化的原理及其实现步骤。对PSO-LSSVM和以其他主流优化算法(遗传算法)软测量模型的精确度进行了实验对比,结果显示PSO-LSSVM具有较高预测精度。(3)以HAFBPLS为基础构建透明质酸的预测模块,并以记忆限定法来对软测量模型进行校正。(4)实现“发酵过程远程监控系统”,主要包括数据读取模块,历史数据分析模块,实时数据显示模块,及透明质酸预测模块,并成功在合作单位使用。
【关键词】：透明质酸 预测 SVM PSO 参数优化 远程监控
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ921;TP18
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-18
• 1.1 课题背景及意义11-12
• 1.2 软测量技术概述12-15
• 1.2.1 软测量技术研究现状13-14
• 1.2.2 软测量模型校验14-15
• 1.3 本文主要工作15-16
• 1.4 本文的结构安排16-18
• 第二章 课题相关技术简介18-26
• 2.1 软测量技术的理论框架18-19
• 2.1.1 软测量技术的定义18
• 2.1.2 软测量的建模步骤18-19
• 2.2 辅助变量的选择19-20
• 2.2.1 基于过程原理分析方法20
• 2.2.2 基于统计学原理分析方法20
• 2.2.3 基于变量校验检测方法20
• 2.3 数据预处理20-22
• 2.3.1 处理数据噪声21
• 2.3.2 数据变换21-22
• 2.4 软测量建模22-24
• 2.5 软测量模型的校正24-25
• 2.6 本章小结25-26
• 第三章 透明质酸浓度预测的软测量建模26-37
• 3.1 引言26-27
• 3.2 发酵预测模型建立27-33
• 3.2.1 透明质酸发酵预测模型选择27
• 3.2.2 SVM回归预测模型27-31
• 3.2.3 建模数据特征变量提取31-32
• 3.2.4 训练数据预处理32-33
• 3.2.5 软测量模型的建立33
• 3.3 实验结果与分析33-35
• 3.4 本章小结35-37
• 第四章 基于HAFBPLS方法对透明质酸浓度的预测37-46
• 4.1 引言37-39
• 4.2 参数优化方法的选择39-43
• 4.2.1 粒子群算法的理论39-41
• 4.2.2 基于HAFBPLS软测量模型41-42
• 4.2.3 基于粒子群算法的性能测试42-43
• 4.3 实验结果43-45
• 4.4 本章小结45-46
• 第五章 基于HAFBPLS透明质酸的预测算法的系统实现46-63
• 5.1 基于HAFBPLS预测的透明质酸预测的软测量模型46
• 5.2 基于限定记忆法对模型进行递推校正46-49
• 5.2.1 软测量模型校正46-47
• 5.2.2 限定记忆法47-48
• 5.2.3 基于限定记忆法对预测模型的校正48-49
• 5.3 基于HAFBPLS透明质酸监控预测的系统实现49-59
• 5.3.1 数据读取模块49-50
• 5.3.2 发酵参数实时显示模块50-54
• 5.3.3 历史数据显示模块54-57
• 5.3.4 在线预测模块57-59
• 5.4 系统测试及运行界面演示59-62
• 5.4.1 测试历史数据查询功能59-61
• 5.4.2 实时数据显示界面61
• 5.4.3 数据预测显示界面61-62
• 5.5 本章小结62-63
• 第六章 总结与展望63-65
• 6.1 总结63-64
• 6.2 展望64-65
• 致谢65-66
• 参考文献66-72
• 攻读硕士学位期间发表的学术论文72

【相似文献】

中国期刊全文数据库 前10条

1 彭小奇;孙元;唐英;;一种软测量模型性能监测评价及其自适应校正方法[J];化工学报;2012年05期

2 康少栋;王京春;熊智华;;基于贝叶斯证据方法的裂解产物收率软测量模型[J];计算机与应用化学;2013年08期

3 赵立杰;张金玲;陶成虎;;污水处理出水水质指标的非线性动态软测量模型[J];沈阳化工学院学报;2009年03期

4 王欢;王永红;赵英凯;;基于灰关联方法的纯碱煅烧炉炉气浓度软测量模型[J];化工自动化及仪表;2009年06期

5 王景芳;;非线性动态液位软测量模型建立[J];化工自动化及仪表;2006年01期

6 韦文祥;沈洪远;罗安;;神经元网络软测量模型在中药浓缩工段的应用[J];化工自动化及仪表;2007年05期

7 王yN;范晓慧;陈许玲;;铁矿氧化球团链篦机漏风状态的软测量模型[J];中南大学学报(自然科学版);2014年03期

8 袁安平;张n\;姜珉;陈可泉;;丁二酸发酵过程软测量模型的参数优化研究[J];化工自动化及仪表;2009年05期

9 徐欧官;;异构化机理软测量模型在工业装置中的在线应用[J];化工自动化及仪表;2009年03期

10 刘齐忠,马金魁,康庆山;FCCU轻柴油365℃含量的软测量模型及其控制应用[J];石油化工自动化;2000年05期

中国重要会议论文全文数据库 前7条

1 毛帅;熊智华;徐用懋;庄爱霞;黄海龙;王立群;;常压塔柴油凝点动态软测量模型的研究[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

2 张定华;桂卫华;李勇刚;王雅琳;;一种多神经网络气流干燥水份软测量模型[A];中国仪器仪表学会2005年学术年会测控技术与节能环保学术会议论文集[C];2005年

3 阳春华;朱红求;桂卫华;张定华;;基于PCA的多神经网络水分软测量模型[A];第25届中国控制会议论文集（上册）[C];2006年

4 张炳辉;陶振麟;;聚丙烯腈生产转化率的软测量模型[A];第二十二届中国控制会议论文集（上）[C];2003年

5 黄永红;;赖氨酸发酵过程的软测量模型与仿真研究[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

6 田野;;用自组织特性的RBF神经网络建立航煤密度软测量模型[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

7 江洪;徐化能;何潮洪;;植物有效成分常规浸取的软测量模型[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

中国博士学位论文全文数据库 前2条

1 孙元;软测量模型自适应校正与高温场软测量方法研究[D];中南大学;2012年

2 刘乙奇;自确认软测量模型研究及其在污水处理中的应用[D];华南理工大学;2013年

中国硕士学位论文全文数据库 前10条

1 李瑞祥;基于改进回声状态神经网络的出水总磷软测量研究[D];北京工业大学;2015年

2 杨晓冬;基于贝叶斯核学习的软测量模型在浓密洗涤过程中的应用[D];东北大学;2014年

3 许晓磊;基于HAFBPLS的透明质酸生产软测量技术研究与实现[D];江苏大学;2016年

4 王士新;常压塔轻柴油凝点软测量模型的研究[D];天津大学;2006年

5 鞠远枫;燃煤灰渣含碳量的软测量模型设计与研究[D];大连海事大学;2012年

6 王长明;分馏塔软测量模型研究与应用[D];浙江大学;2005年

7 陈洋;焦炉立火道温度软测量模型及其应用研究[D];中南大学;2005年

8 郭庆武;软测量模型生成系统研究与应用[D];南京工业大学;2003年

9 赵谦;基于SVM的铝带坯晶粒度软测量模型的研究[D];中南大学;2009年

10 张琪;基于PSO-LSSVM的铝带坯晶粒度软测量模型的研究与优化[D];中南大学;2010年

  本文关键词：基于HAFBPLS的透明质酸生产软测量技术研究与实现，由笔耕文化传播整理发布。

，

本文编号：307797