学位论文 > 优秀研究生学位论文题录展示

基于连续隐Markov模型（CHMM）的生物发酵软测量建模方法研究

作　者: 江兴科
导　师: 刘国海
学　校: 江苏大学
专　业: 控制理论与控制工程
关键词: 红霉素发酵软测量连续隐Markov模型 Baum-Welch算法最小分类误差
分类号: TQ920.1
类　型: 硕士论文
年　份: 2010年
下　载: 55次
引　用: 0次
阅　读: 论文下载

内容摘要

生物参量是发酵过程的重要参数,直接反映着微生物发酵过程的状态,影响着发酵产物的质量和产量。为了对发酵过程进行有效的监测和优化控制,迫切需要实现发酵过程中关键生物参量的在线测量。然而,在实际的发酵生产过程中,由于工艺和技术的限制,一些关键生物参量难以实现在线检测,只能通过人工采样离线分析的方法获得。该方法获得数据间隔时间长、滞后大,难以满足发酵过程实时监测和优化控制要求。采用软测量技术是解决上述问题的有效途径。本文以红霉素发酵过程为研究对象,在详细分析了软测量建模方法国内外研究现状的基础上,将连续隐Markov模型(CHMM)引入到软测量建模领域,提出了基于CHMM的生物发酵软测量建模新方法,并结合红霉素发酵过程采集数据建立了菌体浓度软测量模型。全文主要研究内容如下：1、在详细分析软测量建模方法国内外研究现状以及CHMM基本理论和算法的基础上,结合红霉素发酵过程,将CHMM模型引入到软测量建模领域,提出了基于CHMM的生物发酵软测量建模方法。2、针对现有软测量模型预测结果直接应用于发酵过程实时监测和优化控制时存在盲目性的问题,提出了软测量结果可信度评价指标,用于在线实时评价软测量结果的可靠性。3、针对传统Baum-Welch算法存在的缺陷,以及CHMM在生物发酵软测量建模应用中的实际问题,对Baum-Welch参数重估公式进行了修正,研究了一种改进Baum-Welch算法,并给出了基于改进Baum-Welch算法的CHMM生物发酵软测量建模实现步骤。4、为了提高基于CHMM的生物发酵软测量模型的预测精度,采用区别性训练算法代替传统的最大似然估计训练算法(Baum-Welch算法),研究了基于改进最小分类误差准则的CHMM软测量模型参数训练算法,并给出了基于改进最小分类误差准则的CHMM生物发酵软测量建模实现步骤。5、采用红霉素发酵过程数据,分别对基于改进Baum-Welch算法和基于改进最小分类误差准则的CHMM生物发酵软测量建模方法进行实验仿真,并与基于人工神经网络(ANN)的软测量建模方法进行对比分析,验证本文所建CHMM软测量模型的有效性以及软测量结果可信度评价指标的实际意义。

全文目录

摘要  5-7
ABSTRACT  7-11
第一章绪论  11-22
  1.1 引言  11
  1.2 软测量技术概述  11-14
  1.3 软测量建模方法研究现状  14-17
    1.3.1 基于人工神经网络的软测量建模方法  14-16
    1.3.2 基于支持向量机的软测量建模方法  16-17
  1.4 CHMM应用于生物发酵软测量建模的可行性分析  17-18
    1.4.1 CHMM建模方法研究与应用现状  17-18
    1.4.2 CHMM应用于生物发酵软测量建模的可行性  18
  1.5 本课题的研究意义和主要研究内容  18-22
    1.5.1 课题的研究意义  18-19
    1.5.2 主要研究内容及结构安排  19-22
第二章 CHMM基本理论和算法  22-34
  2.1 引言  22
  2.2 Markov过程和Markov链  22-24
  2.3 CHMM基本理论  24-28
    2.3.1 CHMM的基本概念  24-25
    2.3.2 CHMM的定义  25-26
    2.3.3 CHMM的类型  26-28
  2.4 CHMM基本算法  28-33
    2.4.1 前向-后向算法  29-31
    2.4.2 Viterbi算法  31-32
    2.4.3 Baum-Welch算法  32-33
  2.5 本章小结  33-34
第三章基于CHMM的生物发酵软测量建模方法研究  34-51
  3.1 引言  34-35
  3.2 CHMM软测量建模基本原理  35-36
  3.3 软测量结果可信度评价指标的提出  36-37
  3.4 基于改进Baum-Welch算法的CHMM软测量建模方法  37-42
    3.4.1 改进Baum-Welch算法  37-41
    3.4.2 基于改进Baum-Welch算法的CHMM软测量建模方法  41-42
  3.5 红霉素发酵过程菌体浓度的预测仿真实验  42-49
    3.5.1 红霉素发酵过程简介  42-44
    3.5.2 基于改进Baum-Welch算法的CHMM软测量建模仿真实验  44-49
  3.6 本章小结  49-51
第四章基于改进MCE准则的CHMM软测量建模方法研究  51-62
  4.1 引言  51
  4.2 MCE准则及其改进  51-53
    4.2.1 MCE准则  51-52
    4.2.2 MCE准则的改进  52-53
  4.3 基于改进MCE准则的CHMM软测量建模方法  53-56
    4.3.1 基于改进MCE准则的CHMM参数训练算法  53-55
    4.3.2 基于改进MCE准则的CHMM软测量建模方法  55-56
  4.4 基于改进MCE准则的CHMM软测量建模仿真实验  56-61
  4.5 本章小结  61-62
第五章总结与展望  62-64
  5.1 本文工作总结  62-63
  5.2 未来展望  63-64
参考文献  64-68
致谢  68-69
攻读硕士学位期间参加的科研项目  69-70
攻读硕士期间发表论文  70

基于连续隐Markov模型（CHMM）的生物发酵软测量建模方法研究

内容摘要

全文目录

相似论文