王　斌　王孫安

摘要：針對生物發(fā)酵過程中溫度控制難以建模的問題，基于非線性自回歸滑動平均(NARMA)模型，設計了神經網絡自回歸滑動平均(NN—NARMA)模型．利用徑向基神經網絡逼近NARMA模型中的映射關系，對神經網絡的輸出進行了二階低通濾波，用變異率可調節(jié)的遺傳算法優(yōu)化了NARMA模型中的延時參數以及神經網絡的輸出濾波參數．應用該方法建立了生物發(fā)酵過程的溫度控制模型，該模型在上溫、中溫和下溫的誤差相對于Elman神經網絡模型分別減少了38．9％、13．5％和61．3％．該方法具有一定的可操作性，能夠較好地解決生物發(fā)酵過程中的溫度控制建模問題．

關鍵詞：非線性系統；建模；生物發(fā)酵

中圖分類號：TP273文獻標識碼：A文章編號：0253—987X(2004)07—0737—04