[发明专利]生物发酵过程中基于支持向量机的软测量仪表的建模方法

说明书

技术领域

本发明是一种软测量仪表的优化建模方法，具体是在生物发酵过程中用优化的支持向 量机模型估计发酵产物的方法，应用于生物发酵的软测量及软仪表构造的技术领域。

背景技术

现代微生物发酵工业中，一些关键性的过程状态变量，如生物量浓度等缺乏在线直接 测量手段。生物量浓度是反应发酵过程进程的主要指标。由于没有合适的在线传感器去测 量生物量浓度，所以通过软测量对生物量浓度在线测量的研究是十分迫切和必要的，这也 是提高发酵生产效率，提高产品质量的一个有效途径。

软测量技术的核心是建立软测量仪表的模型，目前软测量仪表建模的方法主要有：基 于发酵机理过程的建模方法，基于自适应观测器的建模方法，基于卡尔曼滤波的建模方法， 基于人工神经网络的建模方法和基于支持向量机的建模方法。经研究发现，与神经网络等 学习算法相比，支持向量机建模的方法具有泛化能力强、小样本学习的特点，能有效避免 过拟合和局部最小化以及“维数灾难”等问题。

支持向量机建模方法的优点很大程度上取决于输入到支持向量机软测量仪表的变量 选取和支持向量机自身参数的设定，目前使用的基于支持向量机的建模方法普遍存在模型 确定困难的问题。

发明内容

本发明提供一种生物发酵过程中基于支持向量机软测量仪表的建模方法，给出了生物 发酵过程中支持向量机模型输入量的选择和支持向量机参数的设定同时进行的模型优化 方法，克服了支持向量机在生物发酵过程应用中存在的模型确定困难的问题，为支持向量 机在生物发酵软测量中建立模型提供了可靠的基础。

本发明是通过以下技术方案实现的，包括两个部分：

第一，生物发酵过程的支持向量机建模

基于支持向量机的软测量仪表所建模型属于黑箱模型，输入变量和输出变量之间的映 射关系由支持向量机来完成，生物发酵过程中的在线可测变量X、发酵对象的控制输入量 U作为软测量仪表的输入变量，被估计的发酵产物量作为软测量仪表的输出变量。用 f(x)=Σi=1nvaiK(x,xi)+b]]>来实现软测量仪表的输入变量和输出变量之间的非线性关系。

第二，基于遗传模拟退火算法和赤池信息准则的最优模型确定

用支持向量机对生物发酵过程进行软测量建模时，需要注意两个方面的问题：1)发 酵过程中存在众多的状态变量和控制发酵对象的输入量，即选择合适的变量作为支持向量 机的输入变量；2)支持向量机软测量建模中有两类参数，即正规化参数和核参数。用赤 池信息准则表现输入到支持向量机软测量仪表的变量个数和支持向量机模型的估计精度 (支持向量机参数的设定)的组合，并通过遗传模拟退火算法搜索输入到支持向量机软测 量仪表的变量个数和支持向量机模型的估计误差(支持向量机参数的设定)的最优组合。

本发明用赤池信息准则量化输入到支持向量机软测量仪表的变量个数和支持向量机 模型的估计误差的组合具体实现如下：

AIC=n·lnSSen+2(p+1),]]>