生物发酵过程的LSSVM-Adaboost逆软测量方法.pdfVIP

第 30 卷 第 11 期 计算机与应用化学 Vol.30, No.11 2013 年 11 月 28 日 Computers and Applied Chemistry November 28, 2013 生物发酵过程的 LSSVM-Adaboost 逆软测量方法 1 2* 2 2 于霜 ，丁煜函 ，刘国海 ，程锦翔 (1. 苏州工业职业技术学院机电工程系，江苏，苏州，215104 ； 2. 江苏大学电气信息工程学院，江苏，镇江，212013) 摘要：针对生物发酵过程关键生化量难以在线检测的问题，提出一种基于 Adaboost 的最小二乘支持向量机(LSSVM-Adaboost) 逆的软测量建模方法。通过建立“ 内含传感器”模型并对其进行可逆性分析，给出“ 内含传感器”逆，考虑到 LSSVM 算法的小样 本、计算速度快和 Adaboost 将弱学习机加权构成强学习机的优点，采用 LSSVM-Adaboost 方法近似难以建立精确模型的“ 内含 传感器”逆。将训练好的逆系统串联于“ 内含传感器”之后构成复合的单位系统，实现不可测变量的软测量。将其应用于青霉素发 酵过程菌体浓度和基质浓度的估计，仿真实验表明，所提方法有效提高了单一的 LSSVM 逆软测量方法对不可测变量的估计精 度且具有良好的泛化能力。 关键词：内含传感器；逆软测量；最小二乘支持向量机；Adaboost ；生物发酵过程 中图分类号：TP13 文献标识码：A 文章编号： 1001-4160(2013)11-1265-1268 DOI: 10.11719/com.app.che 1 引言 文中提出一种新的 LSSVM-Adaboost 逆软测量建模 方法。考虑到 LSSVM 良好的函数逼近能力，训练LSSVM 生物发酵过程是复杂的、时变的含有不确定性的非 逼近“内含传感器”逆模型，构成 LSSVM 弱软仪表。 线性动态过程。为提高发酵产物的质量和产量，优化生 采用 Adaboost 算法对多个弱软仪表综合为强软仪表，将 产工艺，对关键生化量进行实时检测具有重要意义。目 其应用于青霉素发酵过程关键生化变量的估计，具有较 前，由于市场上检测设备和技术的限制，使得某些过程 好的估计精度和泛化能力。 变量尚无有效的传感器对其进行实时检测。因此，各种 估计技术对直接不可测变量进行估计备受研究者关注。 2 “内含传感器”逆软测量方法 近些年发展起来的软测量技术[1-2]就是重要的技术之一。 定义：考虑系统Σ：u →y ，如果存在一个相应的 通过选择与被估计变量相关的一组直接可测变量，构造 系统Π ：v →w ，在系统Π 的初值满足系统Σ 的初值 以可测变量为输入、被估计变量为输出的数学模型实现 l l 条件，当 v(t) y(t) 时，如果有等式w(t) u(t) 恒成立， 对不直接可测变量的估计。 则称系统Σ为左可逆。 [3] ，通过严密算法引 “内含传感器”逆