2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进PSO的发酵过程同步串联混合建模

杨强大 张卫军 牛大鹏

连峰, 吕宁, 韩崇昭. 群目标联合检测与估计误差界的递推形式. 自动化学报, 2015, 41(12): 2026-2035. doi: 10.16383/j.aas.2015.c140794
引用本文: 杨强大, 张卫军, 牛大鹏. 基于改进PSO的发酵过程同步串联混合建模. 自动化学报, 2015, 41(3): 620-630. doi: 10.16383/j.aas.2015.c131195
LIAN Feng, LV Ning, HAN Chong-Zhao. The Recursive Form of Error Bound for Joint Detection and Estimation of Groups. ACTA AUTOMATICA SINICA, 2015, 41(12): 2026-2035. doi: 10.16383/j.aas.2015.c140794
Citation: YANG Qiang-Da, ZHANG Wei-Jun, NIU Da-Peng. Simultaneous Series Hybrid Modeling for Fermentation Process Based on Improved Particle Swarm Optimization. ACTA AUTOMATICA SINICA, 2015, 41(3): 620-630. doi: 10.16383/j.aas.2015.c131195

基于改进PSO的发酵过程同步串联混合建模

doi: 10.16383/j.aas.2015.c131195
基金项目: 

高等学校博士学科点专项科研基金 (20120042120014),国家自然科学基金 (61304121, 51476024),中央高校基本科研业务费专项资金(N130404024)资助

详细信息
    作者简介:

    张卫军 东北大学教授.主要研究方向为热工过程建模、优化与控制, 系统节能理论与应用. E-mail: zhangwj@smm.neu.edu.cn

    通讯作者:

    杨强大 东北大学讲师.主要研究方向为复杂工业过程建模与优化, 软测量技术.本文通信作者. E-mail: yangqd@smm.neu.edu.cn

Simultaneous Series Hybrid Modeling for Fermentation Process Based on Improved Particle Swarm Optimization

Funds: 

Supported by Specialized Research Fund for the Doctoral Program of Higher Education (20120042120014), National Natural Science Foundation of China (61304121, 51476024), Fundamental Research Funds for the Central Universities (N130404024)

  • 摘要: 准确可靠的过程模型是实现发酵过程优化的基础和前提. 对于反应机理复杂的发酵过程,串联混合建模是一种相对有效的建模方法, 但现有方法需要利用插值所得的数据进行中间变量黑箱模型的构建, 较大程度地影响了所建混合模型的泛化性能. 为此,提出一种可将黑箱模型构建问题转化为动态模型参数辨识问题的同步串联混合建模方法, 从而避免了现有方法需利用插值数据来构建黑箱模型的不足; 通过引入多精英学习策略和惯性权重自适应调整策略, 构造了一种改进的粒子群优化(Particle swarm optimization, PSO)算法自适应多精英学习PSO (Adaptive multi-elite learning PSO, AMLPSO)算法,并采用该算法求取黑箱模型的参数; 借鉴均匀设计思想确定黑箱模型的结构. 利用诺西肽分批发酵过程实际生产数据进行实验研究, 结果验证了所提方法的有效性.
  • [1] Shi Zhong-Ping, Pan Feng. Fermentation Process Analysis, Control and Detection Technology (2nd Edition). Beijing: Chemical Industry Press, 2010. 1-10(史仲平, 潘丰. 发酵过程解析、控制与检测技术(第2版). 北京: 化学工业出版社, 2010. 1-10)
    [2] [2] Sharma V, Mishra H N. Unstructured kinetic modeling of growth and lactic acid production by Lactobacillus plantarum NCDC 414 during fermentation of vegetable juices. LWT-Food Science and Technology, 2014, 59(2): 1123-1128
    [3] [3] Wang R F, Koppram R, Olsson L, Franzn C J. Kinetic modeling of multi-feed simultaneous saccharification and co-fermentation of pretreated birch to ethanol. Bioresource Technology, 2014, 172: 303-311
    [4] [4] Dragoi E N, Curteanu S, Galaction A I, Cascaval D. Optimization methodology based on neural networks and self-adaptive differential evolution algorithm applied to an aerobic fermentation process. Applied Soft Computing, 2013, 13(1): 222-238
    [5] [5] Wang J L, Feng X Y, Yu T. A geometric approach to support vector regression and its application to fermentation process fast modeling. Chinese Journal of Chemical Engineering, 2012, 20(4): 715-722
    [6] [6] Setoodeh P, Jahanmiri A, Eslamloueyan R. Hybrid neural modeling framework for simulation and optimization of diauxie-involved fed-batch fermentative succinate production. Chemical Engineering Science, 2012, 81: 57-76
    [7] Chen Jin-Dong, Pan Feng. Hybrid modeling for penicillin fermentation process. CIESC J, 2010, 61(8): 2092-2096 (陈进东, 潘丰. 青霉素发酵过程中的混合建模. 化工学报, 2010, 61(8): 2092-2096)
    [8] [8] James S, Legge R, Budman H. Comparative study of black-box and hybrid estimation methods in fed-batch fermentation. Journal of Process Control, 2002, 12(1): 113-121
    [9] [9] Wang X F, Chen J D, Liu C B, Pan F. Hybrid modeling of penicillin fermentation process based on least square support vector machine. Chemical Engineering Research and Design, 2010, 88(4): 415-420
    [10] Zorzetto L F M, Filho R M, Wolf-Maciel M R. Processing modelling development through artificial neural networks and hybrid models. Computers and Chemical Engineering, 2000, 24(2-7): 1355-1360
    [11] Laursen S , Webb D, Ramirez W F. Dynamic hybrid neural network model of an industrial fed-batch fermentation process to produce foreign protein. Computers and Chemical Engineering, 2007, 31(3): 163-170
    [12] Saraceno A, Curcio S, Calabr V, Iorio G. A hybrid neural approach to model batch fermentation of ricotta cheese whey to ethanol. Computers and Chemical Engineering, 2010, 34(10): 1590-1596
    [13] Beluhan D, Beluhan S. Hybrid modeling approach to on-line estimation of yeast biomass concentration in industrial bioreactor. Biotechnology Letters, 2000, 22(8): 631-635
    [14] Birol G, ndey C, Cinar A. A modular simulation package for fed-batch fermentation: penicillin production. Computers and Chemical Engineering, 2002, 26(11): 1553-1565
    [15] Shukla R, Chand S, Srivastava A K. Batch kinetics and modeling of gibberellic acid production by Gibberella fujikuroi. Enzyme and Microbial Technology, 2005, 36(4): 492-497
    [16] Kennedy J, Eberhart R C. Particle swarm optimization. In: Proceedings of the 1995 IEEE International Conference on Neural Networks. Perth, WA: IEEE, 1995. 1942-1948
    [17] Yang C H, Tsai S W, Chuang L Y, Yang C H. An improved particle swarm optimization with double-bottom chaotic maps for numerical optimization. Applied Mathematics and Computation, 2012, 219(1): 260-279
    [18] Liu Gang, Lao Song-Yang, Yuan Can, Hou Lv-Lin, Tan Dong-Feng. OACRR-PSO algorithm for anti-ship missile path planning. Acta Automatica Sinica, 2012, 38(9): 1528-1537 (刘钢, 老松杨, 袁灿, 侯绿林, 谭东风. 反舰导弹航路规划的OACRR-PSO算法. 自动化学报, 2012, 38(9): 1528-1537)
    [19] Li M S, Huang X Y, Liu H S, Liu B X, Wu Y, Xiong A H, Dong T W. Prediction of gas solubility in polymers by back propagation artificial neural network based on self-adaptive particle swarm optimization algorithm and chaos theory. Fluid Phase Equilibria, 2013, 356(25): 11-17
    [20] Li Yong, Wu Min, Cao Wei-Hua, Lai Xu-Zhi, Wang Chun-Sheng. PSO-BP control algorithm of granulation process based on evaluation and optimization of granularity distribution. Acta Automatica Sinica, 2012, 38(6): 1007-1016(李勇, 吴敏, 曹卫华, 赖旭芝, 王春生. 基于粒度分布评估与优化的制粒过程PSO-BP控制算法. 自动化学报, 2012, 38(6): 1007-1016)
    [21] Sheng Yang, Lai Xu-Zhi, Wu Min. Position control of a planar three-link underactuated mechanical system based on model reduction. Acta Automatica Sinica, 2014, 40(7): 1303-1310 (盛洋, 赖旭芝, 吴敏. 基于模型降阶的平面三连杆欠驱动机械系统位置控制. 自动化学报, 2014, 40(7): 1303-1310)
    [22] Jia D L, Zheng G X, Qu B Y, Khan M K. A hybrid particle swarm optimization algorithm for high-dimensional problems. Computers and Industrial Engineering, 2011, 61(4): 1117-1122
    [23] Sedki A, Ouazar D. Hybrid particle swarm optimization and differential evolution for optimal design of water distribution systems. Advanced Engineering Informatics, 2012, 26(3): 582-591
    [24] Hornik K, Stinchcombe M, White H. Multilayer feedforward networks are universal approximators. Neural Networks, 1989, 2(5): 359-366
    [25] Fang Kai-Tai, Ma Chang-Xing. Orthogonal and Uniform Experimental Design. Beijing: Science Press, 2001. 241-247 (方开泰, 马长兴. 正交与均匀试验设计. 北京: 科学出版社, 2001. 241-247)
    [26] Benazet F, Cartier M, Florent J, Godard C, Jung G, Lunel J, Mancy D, Pascal C, Renaut J, Tarridec P, Theilleux J, Tissier R, Dubost M, Ninet L. Nosiheptide, a sulfur-containing peptide antibiotic isolated from Streptomyces actuosus 40037. Experrentia, 1980, 36(4): 414-416
    [27] Koutinas A A, Wang R, Kookos I K, Webb C. Kinetic parameters of Aspergillus awamori in submerged cultivations on whole wheat flour under oxygen limiting conditions. Biochemical Engineering Journal, 2003, 16(1): 23-34
    [28] Khan N S, Mishra I M, Singh R P, Prasad B. Modeling the growth of Corynebacterium glutamicum under product inhibition in L-glutamic acid fermentation. Biochemical Engineering Journal, 2005, 25(2): 173-178
    [29] Sun J, Fang W, Palade V, Wu X J, Xu W B. Quantum-behaved particle swarm optimization with Gaussian distributed local attractor point. Applied Mathematics and Computation, 2011, 218(7): 3763-3775
    [30] Cvijović D, Klinowski J. Taboo Search: an approach to the multiple minima problem. Science, 1995, 267(5198): 664-666
    [31] Yao X, Liu Y, Lin G M. Evolutionary programming made faster. IEEE Transactions on Evolutionary Computation, 1999, 3(2): 82-102
  • 期刊类型引用(29)

    1. 李倩,聂简,黄鸿殿,孔庆宇,奔粤阳. 基于大脑海马认知机理的主从式AUV协同定位方法. 中国惯性技术学报. 2024(01): 27-33 . 百度学术
    2. 游雄,李科,田江鹏,杨剑,余岸竹,贾奋励. 机器地图信息加工模型. 武汉大学学报(信息科学版). 2024(04): 516-526 . 百度学术
    3. 高昊,王仁茂. 基于类脑仿生的环境感知技术. 舰船电子对抗. 2024(05): 42-46+55 . 百度学术
    4. 陈荟慧,钟委钊. 基于人机协作的高质量城市图像采集方法. 应用科学学报. 2023(05): 801-814 . 百度学术
    5. 朱祥维,沈丹,肖凯,马岳鑫,廖祥,古富强,余芳文,高柯夫,刘经南. 类脑导航的机理、算法、实现与展望. 航空学报. 2023(19): 6-38 . 百度学术
    6. 于乃功,廖诣深. 基于鼠脑内嗅—海马认知机制的移动机器人空间定位模型. 生物医学工程学杂志. 2022(02): 217-227 . 百度学术
    7. 刘溢,阳加远,张驰. 一种基于RTX的移动机器人实时控制平台. 电子技术与软件工程. 2022(08): 169-172 . 百度学术
    8. 于子航,王改云. 基于路径积分强化的机器人目标导向运动控制. 计算机仿真. 2022(07): 412-415+516 . 百度学术
    9. 董卫华,刘毅龙,黑巧松,杨天宇. 泛地图空间认知理论与方法研究框架. 武汉大学学报(信息科学版). 2022(12): 2007-2014 . 百度学术
    10. 阮晓钢,李鹏,朱晓庆,刘鹏飞. 基于目标导向行为和空间拓扑记忆的视觉导航方法. 计算机学报. 2021(03): 594-608 . 百度学术
    11. 赵辰豪,吴德伟,韩昆,代传金. 无环境信息下多尺度网格细胞群空间表征模型. 系统工程与电子技术. 2021(03): 814-822 . 百度学术
    12. 阮晓钢,柴洁,武悦,张晓平,黄静. 基于海马体位置细胞的认知地图构建与导航. 自动化学报. 2021(03): 666-677 . 本站查看
    13. 冀俊忠,刘金铎,邹爱笑,杨翠翠. 一种融合多源信息的脑效应连接网络蚁群学习算法. 自动化学报. 2021(04): 864-881 . 本站查看
    14. 万刚,武易天. 地图空间认知的数学基础. 测绘学报. 2021(06): 726-738 . 百度学术
    15. 洪涛,史涛,任红格. 一种改进型RatSLAM算法构建认知地图的研究. 现代计算机. 2021(21): 47-52 . 百度学术
    16. 韩昆,吴德伟,来磊. 类脑导航中基于差分Hebbian学习的网格细胞构建模型. 系统工程与电子技术. 2020(03): 674-679 . 百度学术
    17. 黄宜庆,王正刚,王徽,葛愿. 基于边缘梯度算法的多移动机器人协作地图构建. 信息与控制. 2020(01): 62-68 . 百度学术
    18. 于乃功,廖诣深,郑相国. 一种基于海马位置细胞选择机制的空间认知模型. 生物医学工程学杂志. 2020(01): 27-37 . 百度学术
    19. 胡小平,毛军,范晨,张礼廉,何晓峰,韩国良,范颖. 仿生导航技术综述. 导航定位与授时. 2020(04): 1-10 . 百度学术
    20. 于乃功,冯慧,廖诣深,郑相国. 一种基于感知速度与感知角度的网格野计算模型. 生物医学工程学杂志. 2020(05): 863-874 . 百度学术
    21. 晁丽君,熊智,杨闯,华冰,王雅婷,刘建业. 无人飞行器三维类脑SLAM自主导航方法. 飞控与探测. 2020(05): 35-43 . 百度学术
    22. 张孝伍. 图上的概率分布及位置方向信息的表征方法. 青岛理工大学学报. 2019(01): 113-121 . 百度学术
    23. 方略,何洪军. 基于鼠脑海马位置细胞与Q学习面向目标导航. 生物信息学. 2019(01): 31-38 . 百度学术
    24. 王均,凌有铸,王静. 基于特征融合的仿生SLAM算法研究. 安徽工程大学学报. 2019(02): 26-33 . 百度学术
    25. 刘建业,杨闯,熊智,赖际舟,熊骏. 无人机类脑吸引子神经网络导航技术. 导航定位与授时. 2019(05): 52-60 . 百度学术
    26. 韩昆,吴德伟,来磊,杨林. 自主导航条件下网格细胞放电模型. 电子科技大学学报. 2019(05): 711-716 . 百度学术
    27. 丛明,邹强,刘冬,杜宇. 定位细胞认知机理启发的机器人导航研究综述. 机械工程学报. 2019(23): 1-12 . 百度学术
    28. 邹强,丛明,刘冬,杜宇. 仿鼠脑海马的机器人地图构建与路径规划方法. 华中科技大学学报(自然科学版). 2018(12): 83-88 . 百度学术
    29. 吴德伟,何晶,韩昆,李卉. 无人作战平台认知导航及其类脑实现思想. 空军工程大学学报(自然科学版). 2018(06): 33-38 . 百度学术

    其他类型引用(29)

  • 加载中
计量
  • 文章访问数:  1618
  • HTML全文浏览量:  54
  • PDF下载量:  1012
  • 被引次数: 58
出版历程
  • 收稿日期:  2013-12-30
  • 修回日期:  2014-11-04
  • 刊出日期:  2015-03-20

目录

    /

    返回文章
    返回