張敬玲

（無錫商業(yè)職業(yè)技術(shù)學(xué)院，江蘇 無錫 214153）

建模技術(shù)在發(fā)酵控制中的應(yīng)用簡述

張敬玲

（無錫商業(yè)職業(yè)技術(shù)學(xué)院，江蘇 無錫 214153）

微生物發(fā)酵過程是一個非線性、高時變性、不確定性的生化過程，一些重要的過程變量不能在線測量，使得發(fā)酵過程的建模更為復(fù)雜。文章闡述了發(fā)酵建模技術(shù)的特點(diǎn)及常用方法即機(jī)理建模、模糊建模、神經(jīng)網(wǎng)絡(luò)建模、模糊神經(jīng)網(wǎng)絡(luò)建模在實(shí)際生產(chǎn)中發(fā)揮的作用。

發(fā)酵;建模技術(shù)

發(fā)酵過程是技術(shù)密集型的產(chǎn)業(yè)，在輕工食品、化工、醫(yī)藥衛(wèi)生等領(lǐng)域發(fā)揮著重要作用。它有以下幾個特點(diǎn)：（1）動力學(xué)模型呈強(qiáng)非線性。（2）發(fā)酵參數(shù)變化莫測，發(fā)酵過程中的參數(shù)根本無法用數(shù)學(xué)模型來精確地描述。（3）菌體生長與產(chǎn)物的合成不平行：菌體生長和產(chǎn)物分泌是發(fā)酵過程中的兩個階段。菌體生長經(jīng)過一段時間后，產(chǎn)物才開始分泌。（4）理論產(chǎn)量不易用物料平衡來獲取。（5）生產(chǎn)穩(wěn)定性有待提升。（6）控制難度巨大：有些重要變量如產(chǎn)物濃度、菌體濃度等不能在線測量，需人工采樣后采用離線分析的方法獲得，這樣數(shù)據(jù)滯后加大，控制效果不佳。發(fā)酵過程的這些特性使得基于傳統(tǒng)控制如PID等的控制理論難以適應(yīng)及滿足發(fā)酵過程控制的優(yōu)化要求。

因此，要充分利用現(xiàn)代化手段，重點(diǎn)解決和克服優(yōu)化控制技術(shù)提出的難題，建模技術(shù)為發(fā)酵控制提供了解決難題的方法，它可以充分利用生產(chǎn)過程中長期積累的數(shù)據(jù)和發(fā)酵機(jī)理為發(fā)酵過程提供更好的控制效果。

一、發(fā)酵過程建模概述

1.發(fā)酵建模的目的

建立模型的目的在于:（1）深入了解生態(tài)過程的動態(tài)特性；（2）準(zhǔn)確預(yù)測系統(tǒng)的參數(shù)；（3）估計一些狀態(tài)變量；（4）設(shè)計實(shí)驗(yàn)并驗(yàn)證一些假設(shè)；（5）對發(fā)酵過程控制開展仿真研究。

2.發(fā)酵建模的困難

近年來，蔣慰孫、王驥等學(xué)者提出了生化過程建模困難在于：（1）生化過程機(jī)理十分復(fù)雜，利用機(jī)理建模難度高，得到的模型應(yīng)用范圍、精度、實(shí)用性都不盡如人意；（2）生化參數(shù)檢測手段落后，許多關(guān)鍵參數(shù)無法實(shí)現(xiàn)實(shí)時在線測量；（3）生化過程的不可逆性致使建模相當(dāng)困難。

二、建模模型

基于發(fā)酵過程控制中的以上問題，為了確實(shí)解決發(fā)酵過程一些關(guān)鍵參量無法實(shí)時在線直接獲取的困難，主要采用了離線分析數(shù)據(jù)加數(shù)學(xué)模型的方法進(jìn)行預(yù)測估計。系統(tǒng)分別對被控對象的運(yùn)動過程機(jī)理及數(shù)學(xué)模型進(jìn)行分析和描述，使它們可以有機(jī)地結(jié)合，從而研制出三類建模模型：白箱模型，利用先驗(yàn)知識與機(jī)理組合，確定模型結(jié)構(gòu)；灰箱模型，利用已知物理機(jī)理，但參數(shù)需辨識，另稱為半經(jīng)驗(yàn)型；黑箱模型，因物理機(jī)理未知，所以要用智能技術(shù)與實(shí)際生產(chǎn)數(shù)據(jù)相結(jié)合來獲得模型結(jié)構(gòu)，故又稱為經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

三、常用建模方法

在實(shí)際工作應(yīng)用中，任何模型都要“有的放矢”，經(jīng)得起“實(shí)踐”的考驗(yàn)和校正。建模的方法多種多樣，但無論何種方法，都要滿足模型準(zhǔn)確、易維護(hù)、易構(gòu)建、實(shí)時反應(yīng)系統(tǒng)變化能力的要求。目前，常用的建模方法有：

1.機(jī)理建模方法

機(jī)理建模方法就是以工作對象的物理機(jī)理為基礎(chǔ)，根據(jù)基本的物理定律和結(jié)構(gòu)數(shù)據(jù)，得到完全能描述其動、靜態(tài)特性的數(shù)學(xué)模型。其模型形式有代數(shù)方程、偏微分方程、微分方程等;系統(tǒng)可以是離散系統(tǒng)、線性系統(tǒng)等。這種方法要對被控系統(tǒng)的特性十分熟知、透徹了解，對所涉及的理論和數(shù)據(jù)要求十分嚴(yán)格，它的優(yōu)點(diǎn)是可以揭示系統(tǒng)內(nèi)在聯(lián)系和規(guī)律，常常被廣泛地應(yīng)用于生產(chǎn)工藝機(jī)理簡明、過程本身的機(jī)理模型研究較深入的生產(chǎn)過程中，缺點(diǎn)是機(jī)理模型的預(yù)測能力十分有限，這是因?yàn)榘l(fā)酵過程本身是強(qiáng)非線性和時變性的，其動態(tài)特性常常是部分未知的或是完全未知的。

2.模糊建模方法

自19世紀(jì)60年代美國加州大學(xué)電氣工程系Zadeh教授創(chuàng)立模糊集理論以來，模糊邏輯在系統(tǒng)建模和控制上都得到了非常廣泛的應(yīng)用。對于一個紛繁復(fù)雜的、不確定的系統(tǒng)，以傳統(tǒng)方式根本無法確定其工作機(jī)理與精確的數(shù)學(xué)模型，只有用模糊的邏輯和語言方能明確表達(dá)系統(tǒng)的信息，因此模糊建模方法比較能夠描述非線性過程的特性。它十分善于表達(dá)專家知識和現(xiàn)場豐富的經(jīng)驗(yàn)，模糊推理的方式類似于人的大腦思維方式，能夠?qū)⑷祟愐呀?jīng)成熟的控制經(jīng)驗(yàn)用于建模之中。它是以系統(tǒng)輸入、輸出樣本數(shù)據(jù)為依據(jù)，用以描述系統(tǒng)的模糊規(guī)則和隸屬函數(shù)，對系統(tǒng)進(jìn)行辨識，從而建立系統(tǒng)模型。

3.神經(jīng)網(wǎng)絡(luò)建模方法

神經(jīng)網(wǎng)絡(luò)是由大量的簡單并行處理單元所構(gòu)成的非線性系統(tǒng)，是對人腦的抽象和模擬，它具有以下特點(diǎn)：（1）高度非線性：神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)；（2）自學(xué)習(xí)能力：神經(jīng)網(wǎng)絡(luò)可以從訓(xùn)練中總結(jié)出規(guī)律性的知識，并存儲于網(wǎng)絡(luò)的權(quán)值中，且具有泛化能力；（3）多變量系統(tǒng)：神經(jīng)網(wǎng)絡(luò)的輸入和輸出變量的數(shù)目理論上是任意的，可以應(yīng)對單變量系統(tǒng)和多變量系統(tǒng)。它能解決許多傳統(tǒng)方法難以解決甚至無法解決的問題，同時它也可以處理那些不完整的、不確定的甚至是異常模糊的信息。

神經(jīng)網(wǎng)絡(luò)因?yàn)槔碚撋峡梢詫?shí)現(xiàn)以任意的逼近任何非線性映射，故又被稱為“萬能逼近器”，其主要應(yīng)用于發(fā)酵過程的狀態(tài)預(yù)測和模式識別，同時又能與其他的控制方法相結(jié)合，實(shí)現(xiàn)對發(fā)酵過程的最優(yōu)控制。

4.模糊神經(jīng)網(wǎng)絡(luò)建模方法

模糊系統(tǒng)善于表達(dá)人類豐富的知識和經(jīng)驗(yàn)，但是模糊邏輯系統(tǒng)靈活性差，缺乏自學(xué)習(xí)和自適應(yīng)能力，模糊邏輯控制規(guī)則及其隸屬度函數(shù)的建立，過分依賴經(jīng)驗(yàn)。而神經(jīng)網(wǎng)絡(luò)擁有很強(qiáng)的自學(xué)習(xí)、并行性、可變性、自組織性、聯(lián)想性等的功能，但是它也存在著不足：一是神經(jīng)網(wǎng)絡(luò)不善于表達(dá)顯性知識，常常將網(wǎng)絡(luò)訓(xùn)練參數(shù)初值設(shè)為零或經(jīng)驗(yàn)值，降低了網(wǎng)絡(luò)工作效率；二是節(jié)點(diǎn)的權(quán)值是經(jīng)過千萬次訓(xùn)練后得到的，信息存儲于節(jié)點(diǎn)中，人類很難識別，這就降低了模型的可辨性。隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)和模糊邏輯技術(shù)融合從而形成了模糊神經(jīng)網(wǎng)絡(luò)（FNN），神經(jīng)網(wǎng)絡(luò)在模糊神經(jīng)網(wǎng)絡(luò)中發(fā)揮了人腦的硬件作用，利用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)了模糊系統(tǒng)，模擬技術(shù)在模糊神經(jīng)網(wǎng)絡(luò)中發(fā)揮了人腦的軟件作用，提高了網(wǎng)絡(luò)可解釋性和靈活性，因此，模糊神經(jīng)網(wǎng)絡(luò)兼顧了模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)即集模糊信息處理、自動識別、聯(lián)想、自適應(yīng)等于一體，提高了整個系統(tǒng)的表達(dá)能力和學(xué)習(xí)能力。

四、常用建模方法的對比

四種建模方式在微生物發(fā)酵過程發(fā)揮了不同的作用。機(jī)理建模一般用于生產(chǎn)工藝比較簡單的、機(jī)理十分深入的生產(chǎn)過程，所有信息可以通過數(shù)學(xué)模型表達(dá)；模糊系統(tǒng)建模是利用模糊系統(tǒng)善于表達(dá)人類長期積累的經(jīng)驗(yàn)性知識，善于靈活處理模糊性的信息，但模糊系統(tǒng)的規(guī)則集和隸屬函數(shù)十分依賴經(jīng)驗(yàn)來進(jìn)行選擇，難以實(shí)現(xiàn)自動設(shè)計和調(diào)整；神經(jīng)網(wǎng)絡(luò)建模是利用神經(jīng)網(wǎng)絡(luò)自學(xué)功能，根據(jù)輸入輸出樣本可以實(shí)現(xiàn)自動設(shè)計和調(diào)整系統(tǒng)參數(shù)的功能，預(yù)測能力很強(qiáng)，但很多信息存儲在網(wǎng)絡(luò)節(jié)點(diǎn)中，人類不易識別；模糊神經(jīng)網(wǎng)絡(luò)是系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的融合產(chǎn)物，在實(shí)際生產(chǎn)應(yīng)用中充分發(fā)揮了二者的優(yōu)勢于一體，進(jìn)一步體現(xiàn)了人工智能在生產(chǎn)活動中的核心作用。

［1］習(xí)毅.發(fā)酵過程預(yù)測控制研究［D］.無錫:江南大學(xué)，2008.

［2］王宇智.微生物發(fā)酵過程建模及控制開發(fā)環(huán)境的研究［D］.天津:天津科技大學(xué)，2003.

［3］項(xiàng)紅.青霉素發(fā)酵過程仿真建模及訓(xùn)練系統(tǒng)［D］.北京：北京化工大學(xué)，2001.

［4］閻鑫，谷豐，張振宙.消泡控制系統(tǒng)在味精發(fā)酵方面的應(yīng)用［J］.發(fā)酵科技通訊，2004，（2）:47-47.

［5］李海波.發(fā)酵過程建模與優(yōu)化方法研究及其軟件設(shè)計［D］.無錫:江南大學(xué)，2005.

［6］潘豐.生化過程智能控制研究［D］.無錫:江南大學(xué)，2001.

［7］童豪.生物發(fā)酵過程中的軟測量技術(shù)應(yīng)用研究［D］.浙江:浙江大學(xué)，2001.

［8］何朝峰.基于模糊神經(jīng)網(wǎng)絡(luò)的發(fā)酵過程建模與控制［D］.昆明:昆明理工大學(xué)生，2003.

［9］肖杰.基于呼吸商在線檢測的谷氨酸發(fā)酵過程控制研究［D］.無錫：江南大，2008.

［10］張永忠.一種新的模糊系統(tǒng)建模方法研究與應(yīng)用［J］.冶金自動化，2004，（9）.

［11］張彥青，張五九.基于神經(jīng)網(wǎng)絡(luò)的大生產(chǎn)規(guī)模啤酒發(fā)酵過程建模［J］.食品與發(fā)酵工業(yè)，2007，（9）.

［12］王健，陳寧.基于BP神經(jīng)網(wǎng)絡(luò)的L-色氨酸發(fā)酵過程建模［J］.天津輕工業(yè)學(xué)院學(xué)報，2003，（2）.

［13］殷銘張興華.基于模糊神經(jīng)網(wǎng)絡(luò)的發(fā)酵過程溶解氧預(yù)估控制［J］.控制與決策，2000，（15）.

TU

A

1673-0046（2010）10-0178-02

附表：常見建模方法對比