工业发酵过程控制的回归模型与应用.pdfVIP

工业发酵过程控制的回归模型和应用 张凤珊 孙振环 天1#轻二业学皖自坷化工程景．天津，4Ⅲ：，： 摘要 兜辞过程最与徽生物的生奇；}动相联车的三皑过程豆立仉理置#扎理模型尚不成n．Rfc堤目刊用发 酵拙箍敏搏一，x二寰；ji式蠖型熹斗基础适i工连步田卢由巩计扭断进行}《型毫母芦牛敏咕：一的逼，1I连罐万癌以宴现友 辞过程的颤月4茬铆． 关键词 工业发酵生产批谊．回归{l型曩引 1 引言 I‘业发酵过陛是与微生物的生长和代谢活动紧密相联系的生物反应过陧，因为反应 讥理复杂。影响阁紊较多，从过程控制的角度看，属于多变趟、经耦台、慢时变的高度菲 线性过程。目前，基于酶动力学、发酵动力学和生化反应i：程的研究建立机理模型的理论 建模方法尚不成熟，难以实际应用：采J_；3神经网络等现代控制理论建模的方法在收敛性和 在线预测时效性等方面有待于进一步改进提高。这样‘来，发酵过程的建模和优化控制就 成为急待解决的一个难题。本文提出从发酵机理出发选择影响过程的芙键因素，利用发酵 批报数据所提供『{。信息，以改进后的二次多项式艇型袋为毽础．果田逐步回归扣统计推断 方法进行模型选择和参数估计，建立描述产物合成率趣天缱雯餐变化的同归方陧的通用建 摸方法。通过在线递推建立部分数据的同归模型，实现砧1笠酵过雅的预测和优化。对于典 ，诅钓氯基酸发酵过程批报数据的仿真研究证明此方法确实可班芯到较高的预测精度。 二次多项式回归模型的简化 处理1E线性过程的传统的二i欠多项式模型是 y_--岛+∑6。．氍+∑抚，量2十∑∑殷。．H．b。F (Ij i_! ．一1 l 7j 其中．，，为优化目标，m为影响因素，岛，(bi)，(6‰)(觑j)为待估计参 数，￡为随机误差。 模型k1)在实际应用中遇到晌主要问题是它所包含的项数(持别是交叉项)太多，对 于有m个影响因素(基本变餐)的非线性过程．回归模型中除7常数项之外，变量项数有 m(m+3)／2项．且随着m增加，变最项数急剧增加，如表1所示。 ·1】7· 对模型(1)实现全回归的必要条件是数据样本组数Nl+m(m+3)／2． 当m较大时，通常很难满足这个条件．于是考虑对模型(i)进行简化。 考察模型(1)，各个变量的一次项和二次项总共只有2m项，但其交叉项m彤的项 数是随着变量数in的增加按照大约二次方的规律增加，因此考虑将交叉项减少或去除。 根据高等数学中关于“坐标变换”的原理，模型中与盥有关的二次多项式 样就有可是将模型(1)简化成不含交叉项的二次多项式模型(2)，即 m Ⅲ 】，’=Bo+∑屡石+∑屡im2+s (2) i：l i=l 在模型(2)中．变量的项数减少为2m，而且是随着因素数iTl的增加里线性规律增加。 对于模型(2)而言．为保证实现全回归的必要条件是数据样本组数N2rn+l，这样就 显著地降低了对试验数据组数的要求，为其工程应用创造了条件。 模型(2)虽然结构简单，仍然具有广泛的代表性和适应性。任一因素石对于结果，，的 影响是通过二次三项式岛i+Bb搿+BiL砺‘来反映的，其中的Boi可看作是常数项 玩的一个分量。0这三项的系数都是通过下面所述的逐步回归和统计推断而确定的实 数，逐步回归过程实际上是进行模型结构选择的过程，若回归结果的二次项系数为零，它 反映因素石对脚g影响是直线型规律，若二次项系数不为零．则反映抛物线等二次曲线 型规律．对照常用函数的幂级数展开式可以看出，此二次三项式在形式上与指数函数、对 数函数、余弦函数等多种基本初等函数的幂级数展开式的前几项都能有较好的近似。因此 可以说，采用上述多元二次多项式模型集为近似反映各种未知规律提供了可能性。 模型(2)的缺陷是不能直观反映变量之间交互作用，这个问题在必要时可通过其 他形式的回归模型或特别设计的试验来考察。实践证明，以模型