《基於混合模型及其校正策略的發酵過程實時最佳化研究》是依託東北大學，由牛大鵬擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於混合模型及其校正策略的發酵過程實時最佳化研究
- 項目類別：青年科學基金項目
- 項目負責人：牛大鵬
- 依託單位：東北大學
中文摘要,結題摘要,
中文摘要
為了提高發酵過程的生產水平和經濟效益，有必要對其最佳化控制問題進行深入研究。現有的發酵過程最佳化方法多為基於機理模型的離線最佳化，由於發酵過程極其複雜且具有慢時變特性，經常出現模型失配及最佳化結果難以實施等問題。為此，本項目提出開展基於混合模型及其校正策略的發酵過程實時最佳化研究：根據發酵過程特性，提出採用分時段思想建立其基本機理模型、並利用集成建模方法建立經驗模型的混合建模思路，同時對建模過程中的異常數據檢測與處理問題進行深入探討；基於模型預測可信度和參數靈敏度分析的思想，進行混合模型的校正；將模型預測可信度約束作為不等式約束加入發酵過程的動態實時最佳化模型中，開發高性能的最佳化算法求解最佳化問題，並結合可行性分析和疊代學習的思想制定最佳化結果的實施策略；在發酵實驗系統的基礎上開發生物發酵過程實時最佳化控制平台，對所提出的方法進行驗證與完善，並面向典型的發酵工業生產過程進行推廣套用。
結題摘要
本項目在充分考慮發酵生產過程具體特性的基礎上，深入研究了基於混合模型及其校正策略的發酵最佳化方法，提出了進行發酵過程最佳化控制的具體方案，解決了發酵過程最佳化控制中需要重點關注的問題。1.發酵過程動態混合模型的建立。從發酵動力學和物料平衡的角度出發，建立了補料分批發酵過程的機理模型，利用指示變數對發酵過程進行分段，並將分段機理模型與基於神經網路集成的經驗模型相結合進行混合建模，從而獲得了能夠準確描述發酵過程特性的混合模型，為最佳化控制奠定了模型基礎；2.發酵過程混合模型的校正。針對過程模型隨時間推移所出現的“老化”現象給最佳化控制帶來的不利影響，結合對模型預測可信度和參數綜合靈敏度的分析進行混合模型的校正。當模型預測可信度開始下降時，首先利用最新積累的過程數據對經驗模型部分進行校正。當模型預測可信度進一步下降、單靠更新經驗模型部分無法進行有效校正時，基於參數綜合靈敏度分析方法選擇機理模型中的關鍵參數進行調整；3.發酵過程最佳化。鑒於發酵過程最佳化通常為多目標最佳化問題的實際情況，對多目標最佳化方法進行了研究，提出了自適應多目標混沌差分進化算法。建立了以產物量最大和基質消耗量最小為目標的最佳化問題，並確定了過程的決策變數和約束條件，在約束條件中特別考慮了對模型預測可信度指標的約束，利用所提最佳化算法對發酵過程最佳化模型進行了求解，並對最佳化結果進行了分析； 4.發酵過程最佳化相關算法的驗證。在對發酵過程建模與最佳化方法研究的基礎上，設計了發酵過程最佳化控制系統，驗證了所提方法的有效性和實用性。
