[发明专利]基于多输入维纳模型的谷氨酸产物浓度在线软测量方法

权利要求书

1.本发明涉及基于多输入维纳模型的谷氨酸产物浓度在线检测方法，其特征在于，其主要实现步骤如下：

(1)通过集散控制系统和实时数据库系统收集谷氨酸生产过程各个关键变量的数据。分别将这些数据存入历史数据库，作为建模的样本；

(2)通过实验室化学分析获取建模样本所对应的谷氨酸产物浓度值，作为软测量模型的输出变量；

(3)分别对步骤(1)获取的关键变量和步骤(2)获取的输出变量进行预处理和归一化，使得各个过程关键变量和产物浓度值落在区间[-1，1]之内，得到新的数据矩阵集；

(4)基于归一化之后的输入和输出数据，建立基于多输入维纳模型的谷氨酸产物浓度的软测量模型，并利用梯度迭代辨识的方法确定模型参数，将该测量模型参数存入数据库中；

(5)在线采集谷氨酸生产过程各个关键变量的新数据，并对其进行预处理和归一化；

(6)将归一化之后的新数据直接输入到在线软测量模型中，对模型输出值进行反归一化，获得该实时数据对应的谷氨酸产物浓度值。

2.根据权利要求1所述基于多输入维纳模型的谷氨酸产物浓度在线检测方法，其特征在于，所述根据输入输出信号建立多输入维纳模型，具体为：根据归一化后的输入变量--发酵时间溶氧浓度氧更新率和归一化后的输出变量一谷氨酸产物浓度建立基于多输入维纳模型的谷氨酸产物浓度的软测量模型为：

y~(k)=a11u~1(k)+a21u~2(k)+a22u~2(k-1)+a31u~3(k)+a32u~3(k-1)-c2y~2(k)-c3y~3(k),]]>

其中a₁₁，a₂₁，a₂₂，a₃₁，a₃₂，c₂，c₃为模型待辨识参数。

3.根据权利要求1所述基于多输入维纳模型的谷氨酸产物浓度在线检测方法，其特征在于，所述利用梯度迭代辨识的方法确定模型参数，具体为：

θ^l=θ^l-1+μlΦT(L)[Y(L)-Φ(L)θ^l-1],]]>

其中μ_l为迭代因子，Y(L)为堆积的输出向量，Φ(L)为堆积的信息向量，L为总的样本数量，l为迭代变量，为θ在第l步的迭代估计，参数向量