[发明专利]基于神经网络结合遗传算法实时优化补料产丙氨酸的方法

摘要

本发明公开了一种基于神经网络结合遗传算法实时优化补料产丙氨酸的方法，包括以下步骤S1以葡萄糖为原料，采用XZ‑A26菌株厌氧流加发酵产L‑丙氨酸，建立历史数据集，构建并训练BP神经网络模型，构建遗传算法模型并优化计算；S2发酵过程取样并测定各时刻的各发酵参数和L‑丙氨酸浓度，发酵进行至吸光度达到预定值时，获得T+1时刻L‑丙氨酸浓度最大时T时刻葡萄糖流加量的最优值，并完成补料。本发明能够根据发酵输入与输出构建神经网络模型，对葡萄糖流加量进行二进制编码，执行选择、交叉、变异，获得能够产生最优值的补料参数，通过应用此补料参数到发酵过程控制中以提高L‑丙氨酸的转化速率。

主权项

一种基于神经网络结合遗传算法实时优化补料产丙氨酸的方法，其特征在于，包括以下步骤：S1：以葡萄糖为原料，采用XZ‑A26菌株厌氧流加发酵产L‑丙氨酸，建立各时刻多个发酵参数和L‑丙氨酸浓度的发酵过程历史数据集，构建并训练BP神经网络模型，形成各时刻多个发酵参数和L‑丙氨酸浓度与下一时刻L‑丙氨酸浓度的映射关系，选择葡萄糖流加量为控制变量，构建遗传算法模型并优化计算，获得使预测的下一时刻L‑丙氨酸浓度最大时T时刻的葡萄糖流加量的模拟值；S2：发酵过程取样并测定各时刻的各发酵参数和L‑丙氨酸浓度，发酵进行至吸光度达到预定值时，将测定的T时刻的L‑丙氨酸浓度列为输出的训练数据，把测定的T‑1时刻各发酵参数和L‑丙氨酸浓度列为输入的训练数据，与历史数据集的训练数据合并训练BP神经网络模型，然后将测定的T时刻的除葡萄糖流加量以外的各发酵参数和L‑丙氨酸浓度应用于遗传算法模型并优化计算，获得使预测的T+1时刻L‑丙氨酸浓度最大时T时刻的葡萄糖流加量的最优值，并于T时刻投放相应量的葡萄糖完成补料，逐个时刻训练模型和优化计算，获得任意时刻葡萄糖流加量的最优值。