量测滞后下的发酵过程状态在线估计方法研究

It’s of important significance to research biological parameters on-line measurement for on-line monitoring and optimal control of fermentation process. The work starts from the research of nonlinear Gauss filtering algorithm, and one high-degree cubature Kalman filter (CKF) with strong numerical stability will be proposed. By combining the robust algorithm and noise adaptive estimator, the adaptive robust high-degree CKF method for nonlinear state estimation will be achieved. The nonlinear filtering strategy and method with delayed measurements will be studied based on information model of delayed measurements and performance evaluation index of incomplete measurements filtering. Combined with the adaptive robust high-degree CKF algorithm, the filtering of nonlinear system with delayed measurements will be developed well. The hybrid modeling method for fermentation process with delayed measurements will be explored. In the guarantee of observability conditions of the hybrid model, the state on-line estimation method for fermentation process with delayed measurements will be established based on incomplete measurements filtering theory and method, and the biological parameters on-line measurement for fermentation process will be realized. The modern signal processing theory and technology, system modeling method, and artificial intelligence theory and method are applied to the research of the biological parameters on-line measurement for fermentation process, and the research achievements of this project will provide theoretical support for on-line monitoring and optimal control of the fermentation process. This project will have a very good application prospect in the fields of medicine, food, light industry, agriculture, etc.

发酵过程生物参量的在线检测对于发酵过程在线监测、优化控制具有重要的意义。本项目从非线性高斯滤波方法的研究出发，提出一种具有较强数值稳定性的高阶容积卡尔曼滤波（CKF）算法，并结合鲁棒处理算法和噪声自适应估计器，实现用于非线性状态估计的自适应鲁棒高阶CKF方法；基于量测滞后信息模型和不完全量测滤波性能评价指标，研究量测滞后下非线性系统的滤波策略和方法，结合自适应鲁棒高阶CKF滤波算法，实现量测滞后下的非线性系统滤波；研究量测滞后下的发酵过程混合模型建模方法，在混合模型可观测性条件保证下，结合不完全量测滤波理论与方法，给出量测滞后下的发酵过程状态在线估计方法，实现发酵过程生物参量的在线检测。本项目将现代信号处理、系统建模、人工智能等理论与方法应用于发酵过程生物参量在线检测的研究，最终为发酵过程监测与过程优化控制技术及其应用提供支持。本项目将在医药、食品、轻工、农业等领域具有很好的应用前景。

发酵过程生物参量的在线检测对于发酵过程在线监测和优化控制具有重要的意义。项目按计划完成了研究内容，获得了相应的研究成果。本项目研究从非线性高斯滤波方法入手,提出了一种基于对角化变换的高阶容积卡尔曼滤波(CKF)算法,实验表明其具有更高的数值稳定性和估计精度；在改进高阶CKF算法基础上，结合强跟踪滤波器和噪声估计器，提出了一种自适应鲁棒高阶CKF滤波算法，有效的克服了模型不确定性和噪声统计特性未知或者时变对滤波器估计性能的影响；在量测滞后下的非线性滤波方法研究中，建立了量测滞后下的系统表征模型并给出了滤波性能的评价方法；针对量测滞后信息的处理方法，提出了一种基于采样状态扩维的量测滞后信息处理方法，通过采样状态扩维实现对量测滞后信息的融合处理，提高了非线性系统状态估计精度；针对复杂工业过程中离线分析的样本采样时刻在检测结果到达数据处理单元后才能获取的情况，提出了一种基于数据融合和容积卡尔曼滤波的量测滞后下的非线性状态估计方法，该方法采用剔除共有信息的协方差融合算法或协方差交叉融合算法，提高了量测滞后下非线性状态估计的精度和扩展了算法的应用范围；将所研究的不完全量测滤波理论与方法成果应用到发酵过程混合模型中，给出了量测滞后下的发酵过程状态估计方法，实现了发酵过程生物参量的在线检测，并构建了量测滞后下的发酵过程智能测控系统对所提出的理论和方法进行了实验验证。本项目将现代信号处理、系统建模、人工智能等理论与方法应用于发酵过程生物参量在线检测的研究，所取得的研究成果将为发酵过程监测与过程优化控制技术及其应用提供理论支持,推动不同学科的交叉与协调创新。本项目将在医药、食品、轻工、农业等领域具有很好的应用前景。