基于tPSO-BPNN的赖氨酸发酵软测量
赖氨酸发酵过程是一个复杂的非线性强耦合动态过程.某些发酵过程关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测.采用软测量技术可解决这一难题.建立了用于生物参数状态预估的tPSO-BPNN软测量模型.针对BPNN软测量模型易陷入局部极小值,进化后期收敛速度慢以及全局搜索能力弱等缺陷,tPSO-BPNN软测量模型采用带极值扰动粒子群(tPSO)算法优化BP神经网络权值和阈值.仿真结果表明,tPSO-BPNN软测量模型的性能优于BPNN软测量模型,能够准确预估赖氨酸发酵过程中的关键参数,具有较高的精度和良好的应用前景.
带极值扰动粒子群优化、赖氨酸、生化参数、软测量
31
TP18(自动化基础理论)
国家"863"计划2007AA04Z179;高等学校博士学科点专项基金20070299010
2011-01-06（万方平台首次上网日期，不代表论文的发表时间）
共5页
2317-2321
