针对多变量非均匀采样系统的发酵过程建模与参数辨识

Because the process modeling of the traditional food fermentation is based on the single objective optimization of the concept of macro kinetics in the biochemical engineering and the non-uniform sampling leads to the difficulty of the parameter identification, these problems restrict heavily the optimization and control of the traditional fermentation processes. This project aims to investigate the theory and method of modeling, identification for fermentation process. The main work includes: (1) based on the theory of heat transfer, by introducing breathing entropy and considering the environment variables, to determine the key variables in fermentation process; (2)based on the model equivalence principle, by theoretical analysis and simulation experiment on the fermentation process model, to construct concise multi-input and multi-output system promotion model; (3)Based on the hierarchical identification principle, this research studies the loss of output and the interaction parameters estimation for the output sampling slower non-uniformly sampled systems. Moreover, the identification techniques of the conventional transfer function model are extended and used to the model identification of the fermentation process systems with non-uniform sampling and its convergence analysis. This research not only lays a foundation for the control model to the rice-wine fermentation but also provides the reference ideas and methods to modeling the control model of the other conventional fermented food in our country.

多目标优化控制模型缺乏，以及由非均匀采样造成的参数辨识困难问题，是制约我国传统发酵食品生产过程从手工操作向自动化控制过渡的关键瓶颈。针对以上问题，本项目拟以黄酒发酵过程为研究对象，研究多输入/多输出控制模型的建立，及非均匀采样系统的参数辨识方法。主要研究内容包括：(1)研究发酵过程中影响产品质量的关键过程数据，并确定用于控制模型的关键过程变量；(2)建立包含多输入/多输出的发酵过程控制模型，通过理论分析及仿真对所建立的发酵过程控制模型进行简化，得到更为简洁的等价模型；(3)借助于递阶辨识的思想，探索适用于发酵过程非均匀采样系统的交互辨识方法，并研究其收敛性能。本项目的研究成果不仅为黄酒的过程优化与控制奠定理论基础，而且也将为我国其它传统发酵食品生产过程自动化提供可借鉴的思路与方法。

项目背景：发酵食品如黄酒、醋等的发酵控制过程仍以传统手工操作为主，如何通过模型化控制来实现发酵过程的自动控制来减轻工人劳动强度、提升发酵食品品质已成为我国传统发酵食品产业必须面对的问题。.主要研究内容与结果和数据：（1）针对农杆菌ATCC31749发酵法产凝胶多糖过程中产物浓度预测精度不高问题，提出一种基于模糊加权最小二乘支持向量机(LSSVM)算法和机理模型相结合的混合建模新方法，实验仿真结果表明，混合模型的预测精度得到提高，产多糖期溶氧浓度控制为52%时产物浓度最大，为48.85g/L；（2）针对Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优，收敛速度慢，很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(LCALO) 并将改进算法应用于黄酒发酵模型的参数辨识，相比于遗传算法、粒子群算法和蚁狮算法，LCALO具有收敛速度快，全局搜索能力优和局部开发能力好的优点；(3)针对黄酒发酵过程的动态非线性特征，提出了基于线性多步法的数学构造模型，并以数值积分的方式构造黄酒发酵动力学模型，对发酵模型的构建进行了分析，并对模型进行了预测校正，该种方法可应用于黄酒发酵前酵过程中，实现了黄酒发酵模型的设计与参数的求解;(4) 结合智能算法和相关控制策略针对黄酒发酵过程进行了深入研究。本项目研究首先通过模拟黄酒的三边发酵过程，获得了大量的数据；然后基于黄酒发酵过程中主要的生化反应建立混合模型，以获得的黄酒发酵数据为驯化数据，利用改进后的蚁狮优化算法对模型参数进行寻优和辨识；最后，利用工厂中采集到温度与参数的数据，研究模型参数与温度之间的关系，建立了发酵温度与预测黄酒产物浓度的模型。.科学意义：本项目所构建的模型，将为凝胶多糖和黄酒发酵过程的自动化提供关键基础，而且可为其它传统发酵食品控制方式的建立提供可借鉴的思路与方法，对实现我国传统发酵食品的自动化控制及整个生产产业链的升级具有重要的促进意义。