氨糖发酵过程建模与工艺参数优化研究

发布时间：2021-08-02 12:36

　　针对目前生物传感器价格昂贵且检测精度低使得在氨糖发酵过程中难以获得准确实时的生物参数的现状,建立了最小二乘支持向量机模型以实现菌体浓度、产物浓度、底物浓度的预测。为了提高预测模型的精度,采用基于Levy飞行的改进多元宇宙算法对最小二乘支持向量机模型的若干参数进行优化。在此模型的基础上,以发酵完成时刻产物浓度最大为目标,通过改进的多元宇宙优化算法对发酵工艺参数进行了优化。仿真实验表明该方法取得了较高建模精度,提高了发酵最终产物浓度。 

【文章来源】：系统仿真学报. 2020,32(10)北大核心CSCD

【文章页数】：8 页

【部分图文】：

WEP和TDR变化曲线Fig.1EvolutioncurveofWEPandTDR

屏浚?ǔＨ?0.01；L(β)为随机搜索路径，且满足以下公式：1L()t,02<≤(16)式(16)用简单的程序语言较难实现，通常用公式(17)代替：1sv=(17)式中：s即可看作飞行路径L(β)；β通常取1.5；μ和v满足公式(18)正态随机分布：22(0,)(0,)vNvN(18)σμ和σv的值可用公式(19)求得：(1)/2(1)sin(π/2)(1/2)21v(19)基于Levy飞行的改进MVO流程图见图2。图2改进MVO流程图Fig.2FlowchartofimprovedMVO2氨糖发酵过程建模用于建立最小二乘支持向量机模型的训练集和测试集的数据来自于某生物发酵生产企业的发酵生产过程数据。整个发酵过程持续约54h，温度、pH、DO、补糖速度等在线可测数据通过传感器自动获取，并利用OPC数据采集技术将每隔30min的数据自动插入到企业ERP运营系统；离线数据包括菌体浓度、产物浓度、底物浓度平均4~6h进行一次检测，为了便于建模分析且考虑到发酵过程是慢反应过程，2次检测数据之间的数据变化比

锏?则输出最优解即使得LSSVM均方根误差最小的参数对[C,σ]，反之执行step2。采用上述步骤确定最优预测精度模型的2个参数并与采用蚁狮优化算法(AntLionOptimizer，ALO)优化的LSSVM模型对比，图3~5分别为优化后的预测模型包括氨糖发酵过程产物浓度、菌体浓度和底物浓度的预测值与真实值的曲线图，表1中的模型①表示ALO-LSSVM模型，模型②表示基于Levy飞行改进的MVO-LSSVM模型，结合图表可以看出通过引入Levy飞行优化的MVO算法的优化效果较ALO更佳。图3产物浓度估计Fig.3Estimationofproductconcentration图4菌体浓度估计Fig.4Estimationofcellconcentration

【参考文献】：
期刊论文
[1]改进多元宇宙算法求解大规模实值优化问题[J]. 刘小龙.  电子与信息学报. 2019(07)
[2]基于PSO-LSSVM的疲劳裂纹漏磁定量识别技术[J]. 邱忠超,张卫民,高玄怡,张瑞蕾.  北京理工大学学报. 2018(11)
[3]改进入侵杂草算法求解柔性作业车间调度问题[J]. 张新,李珂,严大虎,纪志成.  系统仿真学报. 2018(11)
[4]产N-乙酰氨基葡萄糖的工程菌构建、发酵及应用研究进展[J]. 秦志杰,岳秋林,刘新利.  中国酿造. 2018(06)
[5]基于PLS-LSSVM的谷氨酸发酵产物浓度预测建模[J]. 郑蓉建,潘丰.  化工学报. 2017(03)
[6]基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模[J]. 朱湘临,华天争.  北京工业大学学报. 2016(10)

硕士论文
[1]生物法生产N-乙酰氨基葡萄糖[D]. 郑昭奕.北京化工大学 2018



本文编号：3317576