[发明专利]谷氨酸产物浓度在线估计方法、装置及监控系统

摘要

本发明公开了一种谷氨酸生产过程产物浓度在线估计方法、装置及监控系统，首先选取影响产物浓度变化的输入变量，以离线分析所得到的产物浓度值作为输出变量，建立具有输出非线性特征的谷氨酸产物浓度估计模型，并利用最小二乘迭代辨识的方法确定模型参数，实现谷氨酸产物浓度的在线估计。本发明能有效提高谷氨酸生产过程产物浓度的预测精度，用于指导生产，改善产品质量。

主权项

一种谷氨酸产物浓度在线估计方法，其特征在于主要步骤如下：(1)通过集散控制系统收集谷氨酸生产过程的发酵时间、溶氧浓度和氧更新率的值作为输入变量，分别将这些数据存入历史数据库；(2)通过实验室分析得到所对应的谷氨酸产物浓度值，作为谷氨酸产物浓度模型的输出变量；(3)分别对步骤(1)获取的输入变量和步骤(2)获取的输出变量进行归一化，使得各个输入变量和输出变量落在区间[‑1，1]之内，得到新的数据集；(4)依据归一化之后的输入变量和输出变量，建立基于输出非线性模型的谷氨酸产物浓度的估计模型，利用最小二乘迭代辨识的方法确定模型参数并保存；(5)在线采集谷氨酸生产过程的各个输入变量的新数据，并对其进行归一化；将归一化之后的新数据输入到谷氨酸产物浓度模型中，获得该实时数据对应的谷氨酸浓度估计值；其中，所述步骤(4)中，建立具有输出非线性特征的谷氨酸产物浓度估计模型为：${\mathrm{\β}}^{*}\left(k\right)={\mathrm{\λ}}_{11}{\mathrm{\α}}_1^{*}\left(k\right)+{\mathrm{\λ}}_{21}{\mathrm{\α}}_2^{*}(k-1)+{\mathrm{\λ}}_{22}{\mathrm{\α}}_2^{*}\left(k\right)+{\mathrm{\λ}}_{31}{\mathrm{\α}}_3^{*}(k-1)+{\mathrm{\λ}}_{32}{\mathrm{\α}}_3^{*}\left(k\right)-{\mathrm{\γ}}_2{\left({\mathrm{\β}}^{*}\right)}^2\left(k\right)-{\mathrm{\γ}}_3{\left({\mathrm{\β}}^{*}\right)}^3\left(k\right),$式中分别表示归一化后的发酵时间、溶氧浓度和氧更新率，β^*(k)表示谷氨酸产物浓度，λ₁₁,λ₂₁,λ₂₂,λ₃₁,λ₃₂,γ₂,γ₃为模型待辨识的参数；构造辨识谷氨酸产物浓度估计模型参数的最小二乘迭代算法，具体为：式中Ξ(N)为堆积的输出向量，B(N)为堆积的信息矩阵，N为总的样本数量，l为迭代变量，为第l步的参数迭代估计值。