基于聚類與改進主元回歸的賴氨酸發(fā)酵軟測量建模及應用.pdf

1、近年來，生物工程的興起促進了國民經(jīng)濟的飛躍發(fā)展，在人類社會各個領域的發(fā)展進步中起到越來越重要的作用。發(fā)酵工程作為生物工程的重要組成部分之一，是一種運用微生物生長代謝活動進行生物產(chǎn)品生產(chǎn)的生物技術。然而發(fā)酵過程的強耦合性、大滯后性、多變量性等特點，使得傳統(tǒng)的測量方法很難實現(xiàn)發(fā)酵中關鍵生物參量（菌體濃度、產(chǎn)物濃度、基質(zhì)濃度等）的在線檢測，制約著發(fā)酵工業(yè)自動化控制水平地提高，這已成為影響提高發(fā)酵效率和產(chǎn)品質(zhì)量的難題。
　　本文針對賴氨酸

2、發(fā)酵中關鍵生物參量在線測量十分困難的問題，提出一種基于K均值聚類與改進主元回歸算法結(jié)合的混合建模軟測量方法。并設計編寫賴氨酸發(fā)酵過程的檢測系統(tǒng)，用于對發(fā)酵過程中輔助變量的在線監(jiān)測和關鍵生物參量的實時預估，是一次把先進軟測量算法用于提高工業(yè)自動化控制的實踐。本文的主要工作內(nèi)容如下:
　　(1)針對賴氨酸發(fā)酵過程的多輸入變量和多輸出變量的特點，選用具有減少數(shù)據(jù)維數(shù)、降低建模運算復雜度、克服多變量之間的相關性等優(yōu)點的主元回歸算法進行發(fā)酵

3、過程的軟測量模型建立，該算法所建模型具有更高的預測精度。根據(jù)賴氨酸發(fā)酵過程的機理，運用K均值聚類將數(shù)據(jù)樣本聚類成4個代表發(fā)酵典型反應周期的子集，分別訓練軟測量回歸子模型，使所建模型更有針對性，減少了模糊數(shù)據(jù)對建模的干擾，提高模型預測的精度。
　　(2)提出基于貝葉斯與獨立主元分析相結(jié)合的樣本概率計算方法，引入到主元回歸算法中，使得每個預測值都有對應的概率解釋，減少錯誤預測的幾率。選用賴氨酸發(fā)酵過程的實測數(shù)據(jù)建立關鍵參量預估模型，仿