生物发酵过程的建模 优化与故障诊断【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

生物发酵过程的建模 优化与故障诊断PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.2 研究背景1

1.2.1 发酵技术的历史1

1.2.2 生物发酵工艺2

1.2.3 生物发酵特点4

1.3 研究意义5

1.4 发酵过程的建模、优化控制与故障诊断发展现状6

1.4.1 数据驱动方法在发酵过程中的推广与应用6

1.4.2 发酵过程数学建模方法的研究进展7

1.4.3 发酵过程优化控制技术的研究进展10

1.4.4 发酵过程故障诊断技术的研究进展13

1.5 结束语23

参考文献23

第2章 生物发酵过程介绍29

2.1 引言29

2.2 生物发酵过程概述29

2.2.1 生物发酵的概念和特点29

2.2.2 发酵技术的发展31

2.2.3 现代生物技术在发酵工业中的应用35

2.2.4 发酵方式的分类36

2.2.5 发酵过程的一般流程39

2.2.6 生物发酵现状40

2.3 生物发酵过程的参数影响及其控制42

2.3.1 发酵过程的参数监测43

2.3.2 温度对发酵过程的影响及其控制44

2.3.3 pH对发酵过程的影响及其控制47

2.3.4 溶解氧浓度对发酵过程的影响及其控制49

2.3.5 比生长速率对发酵过程的影响及其控制51

2.3.6 补料方式与控制52

2.4 结束语53

参考文献54

第3章 生物发酵过程建模55

3.1 引言55

3.2 生物发酵过程建模问题描述55

3.2.1 基于白箱模型的发酵过程建模55

3.2.2 基于黑箱模型的发酵过程建模57

3.2.3 基于灰箱模型的发酵过程建模58

3.3 基于ANN的生物发酵过程黑箱建模61

3.3.1 人工神经网络61

3.3.2 人工神经网络模型62

3.3.3 基于BP神经网络的发酵过程建模64

3.3.4 基于RBF神经网络的发酵过程建模70

3.4 基于支持向量机的发酵过程黑箱建模74

3.4.1 统计学习理论74

3.4.2 支持向量机77

3.4.3 基于支持向量机的发酵过程建模方法79

3.4.4 实例验证——工业青霉素生产过程的SVM预估模型80

3.5 结束语85

参考文献85

第4章 生物发酵过程在线动态建模87

4.1 引言87

4.2 问题描述87

4.3 在线动态建模方法88

4.3.1 在线全局建模88

4.3.2 在线局部建模92

4.4 基于DTW的发酵过程在线动态建模94

4.4.1 动态时间规整理论94

4.4.2 基于DTW的时间序列相似性搜索算法96

4.4.3 基于DTW的LSSVM在线局部建模方法99

4.4.4 基于DTW的相似样本构建方法及其改进105

4.4.5 基于亲和度的加权欧氏距离107

4.5 基于SLPP的发酵过程在线动态建模114

4.5.1 基于SLPP的相似样本构建方法114

4.5.2 案例研究119

4.6 结束语123

参考文献123

第5章 生物发酵过程优化控制125

5.1 引言125

5.2 问题描述126

5.3 优化控制的研究内容、表述和方法129

5.3.1 优化控制的研究内容及表述129

5.3.2 优化控制的方法概述130

5.4 基于GMC的比生长速率优化控制132

5.4.1 通用模型控制132

5.4.2 GMC控制算法在比生长速率控制中的应用133

5.4.3 扩展卡尔曼滤波器用于过程状态的估计136

5.4.4 大肠杆菌重组蛋白生产过程应用实例138

5.5 基于遗传算法的发酵过程最优控制140

5.5.1 遗传算法140

5.5.2 多目标遗传算法142

5.5.3 遗传算法在发酵过程优化控制中的应用143

5.5.4 应用实例147

5.6 基于SA-SQP的发酵过程优化控制150

5.6.1 序列二次规划算法150

5.6.2 模拟退火算法154

5.6.3 SA-SQP混合优化算法158

5.6.4 基于SA-SQP的发酵过程最优化控制160

5.6.5 SA-SQP混合优化算法的数值例验证163

5.7 结束语165

参考文献165

第6章 生物发酵过程状态预测168

6.1 引言168

6.2 基于神经网络的发酵过程状态预测169

6.2.1 基于神经网络的发酵过程状态预测模型169

6.2.2 神经网络预测器170

6.2.3 多BP神经网络非线性并行预测172

6.2.4 基于径向基神经网络的预测172

6.2.5 预估器性能的评价174

6.3 基于偏最小二乘回归的发酵过程状态预测175

6.3.1 偏最小二乘175

6.3.2 多向偏最小二乘178

6.3.3 核偏最小二乘回归182

6.3.4 仿真实例186

6.4 引入效益函数的发酵过程质量监测与预报188

6.4.1 效益函数的概念188

6.4.2 效益函数应用举例188

6.4.3 效益函数的预报技术190

6.5 结束语191

参考文献191

第7章 生物发酵过程状态监测193

7.1 引言193

7.2 多阶段KPCA-PCA监测算法在发酵过程中的应用195

7.2.1 多阶段KPCA-PCA故障监测策略196

7.2.2 仿真验证202

7.2.3 应用实例207

7.3 基于GMM-DPCA的非高斯动态过程故障监测211

7.3.1 高斯混合模型理论212

7.3.2 基于GMM-DPCA的故障监测策略213

7.3.3 基于GMM-DPCA策略的离线建模和新批次监测216

7.3.4 应用研究217

7.4 基于核熵成分分析的发酵过程状态监测224

7.4.1 核熵成分分析225

7.4.2 基于多向KECA（MKECA）的发酵过程状态监测232

7.4.3 算法仿真验证233

7.4.4 MKECA监测算法在发酵过程中的应用237

7.5 结束语239

参考文献239

第8章 生物发酵过程故障诊断与预测243

8.1 引言243

8.2 工业过程故障预测技术简述244

8.3 基于数据驱动的发酵过程故障诊断245

8.3.1 基于贡献图的故障诊断方法245

8.3.2 基于非线性重构的故障诊断方法254

8.3.3 基于模糊自适应神经网络的故障诊断方法260

8.4 基于数据驱动的发酵过程故障预测方法270

8.4.1 基于ARMA模型的故障预测271

8.4.2 基于Fisher特征投影差异度的故障预测273

8.5 结束语275

参考文献275