[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

摘要

本发明公开了基于改进CS‑BPNN的食用菌发酵过程关键参量的软测量方法，该方法首先对食用菌发酵过程工艺机理进行分析，选取合适的外部变量采用基于离散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；根据历史罐批数据建立训练样本数据库，对其进行归一化处理；接着设计一个BP神经网络模型，利用改进的布谷鸟算法优化神经网络的权值与阈值；对优化后的神经网络进行训练，用优化好的模型对菌丝生物量进行预测。本发明采用改进的布谷鸟算法来优化BP神经网络，与标准的CS‑BP神经网络方法相比，收敛速度和局部搜索能力大大提升，实现了食用菌发酵过程关键变量的实时在线精确预测，对食用菌发酵过程的参数检测与优化控制具有重要意义。

主权项

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。