《基于神经网络的洋葱伯克霍尔德菌脂肪酶发酵过程建模》由会员分享，可在线阅读，更多相关《基于神经网络的洋葱伯克霍尔德菌脂肪酶发酵过程建模（67页珍藏版）》请在金锄头文库上搜索。
1、华中科技大学硕士学位论文基于神经网络的洋葱伯克霍尔德菌脂肪酶发酵过程建模姓名：付强申请学位级别：硕士专业：微生物学指导教师：闫云君20090518IV华华 中 科中 科 技技 大 学 硕 士 学 位 论大 学 硕 士 学 位 论 文文 摘摘 要要 微生物发酵工程是生物技术的重要组成部分，其应用遍及化学工业、农业、食品工业、医药工业以及能源等国民经济行业的各个领域。发酵过程具有高度的非线性、时变性和基本生物量难以在线测量等特征，因此对发酵过程实施有效的在线控制和优化，已成为发酵工程的重要研究课题。 对于整个发酵过程的控制极其重要的一些参数如菌体浓度、基质浓度、产物浓度等无法在线测量，因此本文采取
2、软测量技术，利用可以实时测量的参数（时间、pH、溶氧）来估计不能在线测量的参数，以实现对整个发酵过程的模拟。BP神经网络结构简单，可调参数多，训练算法多，可操控性好，适合生物发酵的非线性过程建模。遗传算法计算简单、功能强大，对解决优化问题具有很大潜力。将这两种方法结合起来可以起到很好的建模和优化效果。 本文以洋葱伯克霍尔德菌（Burkholderia cepacia）G63脂肪酶发酵过程作为研究对象，采取BP神经网络方法，建立发酵过程的软测量模型，并利用遗传算法，对神经网络的初始权值和阈值进行了优化，实现了加快收敛速度，达到全局最优解的效果。软测量模型的建立，解决了发酵过程中关键生物量在线测量
3、的问题，为实现发酵过程的实时控制、管理和优化操作奠定了基础。 本文依托Matlab6.5的强大功能，利用其自带的神经网络工具箱以及从外部安装的gaot遗传算法工具箱， 实现了洋葱伯克霍尔德菌脂肪酶发酵过程的软测量模型的构建，并进行了模型验证。结果表明该模型能很好地模拟发酵过程，具有良好的泛化能力。 关键词关键词：洋葱伯克霍尔德菌 软测量 BP神经网络 遗传算法 Matlab6.5 V华华 中 科中 科 技技 大 学 硕 士 学 位 论大 学 硕 士 学 位 论 文文 Abstract As an important part of biotechnology, microbial fermen
4、tation engineering is used in most areas of the national economy such as chemical industry, agriculture, food industry, pharmaceutical industry and energy sectors. Fermentation process has the characteristics of highly nonlinear, time-varying and basic biomass hardly measured on line. Therefore, how
5、 to control and optimize fermentation process effectively on line has become a research hot spot in fermentation engineering. There are some very important parameters which control the entire fermentation process. These parameters such as cell concentration, substrate concentration, and product conc
6、entration are hard to be directly measured on line. Therefore, in this study, we have employed soft-sensing technology, which can make use of real-time measured parameters (e.g. time, pH, dissolved oxygen) to estimate the parameters which can not be directly measured on line, to simulate the entire
7、fermentation process. On consideration of its advantages of simple structure, various adjustable parameters, multiform training algorithm, and versatile manipulation, BP neural network well adapts to non-linear biofermentation process modeling. Taking the Burkholderia cepacia lipase fermentation pro
8、cess as a research object, we used BP neural network to establish a soft sensor model of the lipase fermentation process, and applied genetic algorithms to optimize the initial weights and thresholds of neural networks, so as to speed up the convergence rate and to achieve the global optimum results
9、. The soft-sensing model realized key biomass to be indirectly measured on line for the lipase fermentation process. This laid a foundation for real-time controlling, management and optimization of the lipase fermentation process. Through Matlab6.5, we used its built-in Neural Network Toolbox and in
10、stalled gaot Genetic Algorithm Toolbox to construct the soft-sensor model of the B. cepacia lipase fermentation process. Then, we tested the model by the experimental data, they both fited well, suggesting that the model possesses good reliability and generalization ability. Keywords: Burkholderia c
11、epacia Soft-sensing BP neural network Genetic Algorithm Matlab6.5 III华华 中 科中 科 技技 大 学 硕 士 学 位 论大 学 硕 士 学 位 论 文文 独创性声明独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书学位论文版权使用
12、授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密， 在 年解密后适用本授权书。 不保密。 （请在以上方框内打“”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 本论文属于 1华华 中 科中 科 技技 大 学 硕 士 学 位 论大 学 硕 士 学 位 论 文文 1 绪论绪论 1.1 发酵过程概述发酵过程概述 1.1.1 发酵
13、工程发酵工程 传统的发酵工程是指酵母菌用于生产果汁，或者工业化生产酒的过程。利用多种微生物进行的自然发酵也属于这个范畴。现代的发酵工程是指采用工程技术手段，利用微生物制造工业原料或工业产品的过程。发酵工程的应用越来越广泛，如各种酒类（白酒、啤酒、葡萄酒）的生产；用乳酸菌发酵制成酸奶；用现代化工艺生产醋、酱油、味精等调料；各种原料药和维生素的生产；用于生产胰岛素、干扰素、生长激素、抗生素和疫苗等多种医疗保健药物。根据发酵工程的特点可以将它分为三部分：上游工程、中游工程（发酵过程控制）和下游工程。 上游工程包括优良菌种的选育、确定最适发酵条件制等过程。可以采用基因工程的方法，改造原始菌种里的目的基
14、因，获得与我们发酵过程相关的高效表达的菌种，从而为提高产量打下基础。最适发酵条件主要包括菌种生长的 pH、温度、培养基组成，以上最适条件的选择是影响发酵产量的重要因素，需要我们在生产实践经过反复的试验才能最终确定。 中游工程也叫发酵过程控制阶段是发酵工程的关键部分。在这个阶段，一定要保证是在没有混入杂菌的情况下发生的，一旦污染杂菌，将导致产量大大下降，甚至 “倒罐” ， 这要求我们灭菌过程要格外小心。 除此之外还要加入对空气的过滤操作，控制温度、pH、溶氧、通气量与转速等发酵条件，同时要取样检测发酵液中的菌体浓度、底物浓度、产物浓度等。通过这些参数来建立发酵模型，了解发酵进程，进行实时的检测与
15、控制。在需要的时候还要进行补料操作，保证菌体在生产过程中的营养需要。接种量也是影响发酵过程的一个重要因素，在大规模的发酵生产中，需对菌种进行多次扩大培养，长到一定数量后，再接入发酵罐中。 下游工程主要对产物的分离提纯过程，经发酵后得到的粗糙产物在工业化应用中会受到很大的限制，因此分离提纯这一步对制取发酵产品具有重要意义。分离纯2华华 中 科中 科 技技 大 学 硕 士 学 位 论大 学 硕 士 学 位 论 文文 化技术包括固液分离技术（如离心分离） 、细胞破壁技术（如超声法） 、蛋白质纯化技术（如沉淀法） 、包装处理技术（如冷冻干燥）这四种。 1.1.2 发酵反应过程的参数及控制方法发酵反应过
16、程的参数及控制方法 微生物发酵过程是一个十分复杂的生物化学反应1， 具有高度的非线性、 时变性和基本生物量难以在线测量等特征。只有通过测定各种发酵参数（如菌体浓度、基质浓度、产物浓度、pH、溶氧等）随时间变化的情况，建立微生物在发酵的数学模型，才能实现发酵过程的实时监测与控制，实现对发酵过程的优化。 1.1.2.1 发酵过程的参数发酵过程的参数 （1）物理参数 物理参数是指发酵罐的容积、装液量，发酵液的质量、密度、粘度，发酵罐压力、温度、通气量，冷凝水的稳定即流量，搅拌速率、起泡时间和高度等。这些物理参数的测量一般比较简单，很多仪器自身便具有测量这些参数的功能。 （2）化学参数 生化过程典型的化学参数有 pH 值和溶解氧(DO)两个参数。 对于这两个参数的在线测量，一般是采用进口的 pH 电极和溶氧电极，放入发酵罐灭菌后便可实时在线测量并存储到电脑里。 （3）生物参数 生物参数通常包括跟微生
