[发明专利]基于改进CS‑BPNN的食用菌发酵过程关键参量的软测量方法

权利要求书

1.基于改进CS-BPNN的食用菌发酵过程关键参量的软测量方法，其特征在于，包括如下步骤：

步骤1：辅助变量选择，选取能直接测量且与过程密切相关的外部变量，用基于离散PSO的辅助变量选择算法来选取最适的外部变量作为软测量模型的辅助变量；

步骤2：建立训练数据库，采集相同工艺下若干历史罐批次的辅助变量和关键状态变量数据，构造输入输出向量对的集合，生成静态训练样本数据库；并对其进行归一化处理；其中输入向量是辅助变量，输出向量即关键状态变量；

步骤3：设计BP神经网络模型，设置其输入、隐含层以及输出层的神经元个数；

步骤4：利用改进的布谷鸟算法优化BP神经网络的权值与阈值，寻找预测效果最好的权值与阈值，得到优化的软测量模型；

步骤5：利用已经训练得到的优化软测量模型，根据当前待预测罐批的最新输入向量，获得关键状态变量的预测值。

2.根据权利要求1所述的基于改进CS-BPNN的食用菌发酵过程关键参量的软测量方法，其特征在于，步骤1的具体过程包括：

步骤1.1，采集发酵过程外部变量数据：通过气体流量传感器、转速传感器、CO₂气敏电极、液位探头、热电阻、溶氧电极、pH电极、蠕动泵采集空气流量q、电机搅拌转速r、CO₂释放量u、发酵液体积v、发酵罐温度t、溶解氧DO、发酵液酸碱度pH、葡萄糖流加速率ρ、氨水流加速率η；发酵液经离心分离器分离后离线检测得到关键状态变量，所述关键状态变量包括菌丝生物量S；

步骤1.2，基于离散PSO的辅助变量选择算法，找到最优位置和速度的粒子，将其离散化，得到最适辅助变量组合。

3.根据权利要求2所述的基于改进CS-BPNN的食用菌发酵过程关键参量的软测量方法，其特征在于，所述步骤1.2的具体过程包括：

步骤1.2.1：初始化离散PSO的种群和参数，初始化种群数M＝22、惯性权重w＝0.8、加速常数c₁＝c₂＝0.7、最大限速V_max＝4；随机产生元素0和1的M个粒子x_i＝(x_i1,x_i2,...,x_iD)，i＝1,...,M，组成初始群；随机产生(0,1)之间的随机数作为各粒子的初始速度v_ij，组成初始速度矩阵V_M×D。每个粒子的历史最好位置p_i和种群最好位置p_g初始值都设为D维0向量；

步骤1.2.2：评价每个粒子的适应值；根据PLS回归算法和式计算每个粒子的适应度函数，求其适应值；其中，y_i,act为样本i的实际测量值，y_-i,pred为用除掉第i个样本的数据建立的模型对y_i,act的预测值，y_avg为y_i,act的平均值，h为取得最大值时的主元个数，越接近1说明模型的预测能力越好；

步骤1.2.3：更新粒子最优位置。对每个粒子x_i，将其适应值f(x_i)与其经历过的最好位置p_i对应的适应值f(p_i)作比较，如果f(x_i)优于f(p_i)，则将x_i替换为当前的最好位置；

步骤1.2.4：更新种群最优位置。对当前种群(M个粒子)中最好位置p_best，将其对应的适应值f(p_best)与种群所经历过的最好位置p_g对应的适应值f(p_g)作比较，如果f(p_best)优于f(p_g)，则将p_best替换为种群最优位置；为防止结果陷入局部优化，将种群最优位置p_g记下后，再将其对应的那个粒子重新初始化；

步骤1.2.5：在t+1时刻，粒子i在第d(d＝1,2,...,D)维空间的速度和位置的表达式为：v_id(t+1)＝w×v_id(t)+c₁r₁×(p_id(t)-x_id(t))+c₂r₂×(p_gd(t)-x_id(t))和x_id(t+1)＝x_id(t)+v_id(t+1)；根据这两个公式调整当前粒子的位置和速度，并根据式将更新后的粒子离散化；

步骤1.2.6：判断是否达到终止条件，若上述条件满足，终止迭代，否则返回步骤1.2.2。