小学期课程讲义课件.pptVIP

实验结果 智能控制应用实例 预测优化 粒子群算法（PSO）是1995提出的一种群智能算法，目前已成为进化算法的一个重要分支。 粒子群算法的基本思想是模拟鸟类群体行为，并利用了生物学家的生物群体模型。鸟类的生活使用了下面简单的规则：（1）飞离最近的个体；（2）飞向目标；（3）飞向群体的中心，来确定自己的飞行方向和飞行速度，并且成功的找到了栖息地。每个优化问题的解都看成是搜索空间中的一只鸟，我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定它们的飞行方向和距离，然后粒子们就追随当前的最优粒子在解空间搜索。 该算法由于运算速度快、局部搜索能力强、参数设置简单，几年来受到了学术界的广泛重视及研究。 智能控制应用实例 智能控制应用实例 量子粒子群算法是在标准粒子群算法的基础上改进形成的，它主要是结合了量子物理的思想，在更新粒子位置时重点考虑各个粒子的当前局部最优位置信息和全局最优位置信息。 发酵过程中补糖参数的优化 在量子粒子群的算法中只有一个参数a，我们选取a从1线性的减少到0.5。应用著名的二维测试函数LevyNo.5测试量子粒子群算法，终止条件是主循环迭代次数1000次，初始化粒子数100，进行100优化实验，找到最优解的次数是96，表明此算法可以找到发酵模型的补糖参数最优解。 智能控制应用实例 支持向量模型 时间 pH值 DO 温度 补料 X(t) S(t) P(t) P(t+?t) S(t+?t) X(t+?t) N(t+?t) 发酵5批，30min数据采集周期：菌浓、OD、蛋白表达量 最佳预测工艺 蛋白表达量曲线 智能控制应用实例 支持向量模型优化发酵结果 IL15 优化前 优化后 IFN α2a SAM合成酶 优化前 优化后 优化前 优化后 智能控制应用实例 对于大肠杆菌发酵过程，合理有效的优化控制各个时段参数可以实现减少发酵时间并提高目标产物产量的目的。 发酵过程是典型的强耦合非线性系统，过程控制难以实现。 为实现对这一非线性系统的过程控制问题提出利用LS-SVM逆系统方法对其进行解耦控制。其思路为： 发酵过程的实时控制 将逆系统模型与原系统串联构成伪线性系统 利用线性控制器对解耦线性化的系统进行复合控制 利用LS-SVM方法拟合过程逆系统模型 智能控制应用实例 智能控制应用实例 逆模型拟合实验 智能控制应用实例 逆模型拟合实验 MPE MNE MSE 溶氧量 0.0277 -0.0339 0.0547454 补糖速率 0.1051 -0.0799 0.2062620 氨水流加速率 0.0170 -0.0176 0.0274611 智能控制应用实例 处理复杂的工程实际问题，以实现更高水平的自动化时，计算机要将这两种信息处理技术结合使用才能奏效。所以掌握AI技术对智能仪表设计人员是十分必要。 * * * 封闭式发酵过程。它的特点是从接种开始，就不再加入和移除任何物质 Company Logo LOGO 智能控制及应用 主 要 内 容 智能控制概念 1 智能控制系统分类 2 智能控制应用实例 3 智能控制概念 1、控制理论和应用发展的概况 经典控制理论： 研究的主要对象多为线性定常系统，主要解决单输入、单输出问题。首先对机器进行“调节”，使之能稳定运行；其次则采用“反馈”的方式，使得动力学系统能够按照人们的要求精确地工作；最终是实现对系统按指定目标进行的控制。 现代控制理论：多输入多输出系统；非线性或分布参数特性的系统。实现了从直接根据被控对象的物理特性的方法向建立一般化的参数估计与系统辨识理论的扩展。 以上控制理论我们称之为传统控制理论。 智能控制概念 2、传统控制理论的局限性 什么叫复杂系统？其特征表现为： 控制对象的复杂性 模型的不确定性、高度非线性、分布式的传感器和执行机构、动态突变、多时间标度、复杂的信息模式、庞大的数据量和严格的性能指标。 环境的复杂性 变化的不确定性、难以辨识、须与被控对象集合起来作为一个整体来考虑。 控制任务或目标的复杂性 控制目标和任务的多重性、时变性、任务集合处理的复杂性。 智能控制概念 传统控制理论的局限性 传统的控制理论建立在精确的数学模型基础上——用微分或差分方程来描述。不能进行推理、分析、学习。 不能适应大的系统参数和结构的变化 自适应控制和自校正控制 ——通过对系统某些重要参数的估计克服小的、变化较慢的参数不确定性和干扰。 鲁棒控制 —— 在参数或频率响应处于允许集合内，保证被控系统的稳定。 自适应控制鲁棒控制不能克服数学模型严重的不确定性和工作点剧烈的变化。 传统的控制系统输入信息模式单一