生物发酵过程的建模 优化与故障诊断PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 研究背景 1

1.2.1 发酵技术的历史 1

1.2.2 生物发酵工艺 2

1.2.3 生物发酵特点 4

1.3 研究意义 5

1.4 发酵过程的建模、优化控制与故障诊断发展现状 6

1.4.1 数据驱动方法在发酵过程中的推广与应用 6

1.4.2 发酵过程数学建模方法的研究进展 7

1.4.3 发酵过程优化控制技术的研究进展 10

1.4.4 发酵过程故障诊断技术的研究进展 13

1.5 结束语 23

参考文献 23

第2章 生物发酵过程介绍 29

2.1 引言 29

2.2 生物发酵过程概述 29

2.2.1 生物发酵的概念和特点 29

2.2.2 发酵技术的发展 31

2.2.3 现代生物技术在发酵工业中的应用 35

2.2.4 发酵方式的分类 36

2.2.5 发酵过程的一般流程 39

2.2.6 生物发酵现状 40

2.3 生物发酵过程的参数影响及其控制 42

2.3.1 发酵过程的参数监测 43

2.3.2 温度对发酵过程的影响及其控制 44

2.3.3 pH对发酵过程的影响及其控制 47

2.3.4 溶解氧浓度对发酵过程的影响及其控制 49

2.3.5 比生长速率对发酵过程的影响及其控制 51

2.3.6 补料方式与控制 52

2.4 结束语 53

参考文献 54

第3章 生物发酵过程建模 55

3.1 引言 55

3.2 生物发酵过程建模问题描述 55

3.2.1 基于白箱模型的发酵过程建模 55

3.2.2 基于黑箱模型的发酵过程建模 57

3.2.3 基于灰箱模型的发酵过程建模 58

3.3 基于ANN的生物发酵过程黑箱建模 61

3.3.1 人工神经网络 61

3.3.2 人工神经网络模型 62

3.3.3 基于BP神经网络的发酵过程建模 64

3.3.4 基于RBF神经网络的发酵过程建模 70

3.4 基于支持向量机的发酵过程黑箱建模 74

3.4.1 统计学习理论 74

3.4.2 支持向量机 77

3.4.3 基于支持向量机的发酵过程建模方法 79

3.4.4 实例验证——工业青霉素生产过程的SVM预估模型 80

3.5 结束语 85

参考文献 85

第4章 生物发酵过程在线动态建模 87

4.1 引言 87

4.2 问题描述 87

4.3 在线动态建模方法 88

4.3.1 在线全局建模 88

4.3.2 在线局部建模 92

4.4 基于DTW的发酵过程在线动态建模 94

4.4.1 动态时间规整理论 94

4.4.2 基于DTW的时间序列相似性搜索算法 96

4.4.3 基于DTW的LSSVM在线局部建模方法 99

4.4.4 基于DTW的相似样本构建方法及其改进 105

4.4.5 基于亲和度的加权欧氏距离 107

4.5 基于SLPP的发酵过程在线动态建模 114

4.5.1 基于SLPP的相似样本构建方法 114

4.5.2 案例研究 119

4.6 结束语 123

参考文献 123

第5章 生物发酵过程优化控制 125

5.1 引言 125

5.2 问题描述 126

5.3 优化控制的研究内容、表述和方法 129

5.3.1 优化控制的研究内容及表述 129

5.3.2 优化控制的方法概述 130

5.4 基于GMC的比生长速率优化控制 132

5.4.1 通用模型控制 132

5.4.2 GMC控制算法在比生长速率控制中的应用 133

5.4.3 扩展卡尔曼滤波器用于过程状态的估计 136

5.4.4 大肠杆菌重组蛋白生产过程应用实例 138

5.5 基于遗传算法的发酵过程最优控制 140

5.5.1 遗传算法 140

5.5.2 多目标遗传算法 142

5.5.3 遗传算法在发酵过程优化控制中的应用 143

5.5.4 应用实例 147

5.6 基于SA-SQP的发酵过程优化控制 150

5.6.1 序列二次规划算法 150

5.6.2 模拟退火算法 154

5.6.3 SA-SQP混合优化算法 158

5.6.4 基于SA-SQP的发酵过程最优化控制 160

5.6.5 SA-SQP混合优化算法的数值例验证 163

5.7 结束语 165

参考文献 165

第6章 生物发酵过程状态预测 168

6.1 引言 168

6.2 基于神经网络的发酵过程状态预测 169

6.2.1 基于神经网络的发酵过程状态预测模型 169

6.2.2 神经网络预测器 170

6.2.3 多BP神经网络非线性并行预测 172

6.2.4 基于径向基神经网络的预测 172

6.2.5 预估器性能的评价 174

6.3 基于偏最小二乘回归的发酵过程状态预测 175

6.3.1 偏最小二乘 175

6.3.2 多向偏最小二乘 178

6.3.3 核偏最小二乘回归 182

6.3.4 仿真实例 186

6.4 引入效益函数的发酵过程质量监测与预报 188

6.4.1 效益函数的概念 188

6.4.2 效益函数应用举例 188

6.4.3 效益函数的预报技术 190

6.5 结束语 191

参考文献 191

第7章 生物发酵过程状态监测 193

7.1 引言 193

7.2 多阶段KPCA-PCA监测算法在发酵过程中的应用 195

7.2.1 多阶段KPCA-PCA故障监测策略 196

7.2.2 仿真验证 202

7.2.3 应用实例 207

7.3 基于GMM-DPCA的非高斯动态过程故障监测 211

7.3.1 高斯混合模型理论 212

7.3.2 基于GMM-DPCA的故障监测策略 213

7.3.3 基于GMM-DPCA策略的离线建模和新批次监测 216

7.3.4 应用研究 217

7.4 基于核熵成分分析的发酵过程状态监测 224

7.4.1 核熵成分分析 225

7.4.2 基于多向KECA（MKECA）的发酵过程状态监测 232

7.4.3 算法仿真验证 233

7.4.4 MKECA监测算法在发酵过程中的应用 237

7.5 结束语 239

参考文献 239

第8章 生物发酵过程故障诊断与预测 243

8.1 引言 243

8.2 工业过程故障预测技术简述 244

8.3 基于数据驱动的发酵过程故障诊断 245

8.3.1 基于贡献图的故障诊断方法 245

8.3.2 基于非线性重构的故障诊断方法 254

8.3.3 基于模糊自适应神经网络的故障诊断方法 260

8.4 基于数据驱动的发酵过程故障预测方法 270

8.4.1 基于ARMA模型的故障预测 271

8.4.2 基于Fisher特征投影差异度的故障预测 273

8.5 结束语 275

参考文献 275