| 【中文题名】 | 基于神经网络的红霉素发酵控制系统 |
| 【英文题名】 | The Control System of Erythromycin Fed-Batch Fermentation Process Based on Neural Network |
| 【学科专业】 | 农业电气化与自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-14 |
| 【中关键词】 | 红霉素发酵,神经网络,光合,VB,MATLAB,监控界面 |
| 【英关键词】 | erythromycin fed-batch fermentation,Neural Network,photosynthesis,VB,MATLAB,the monitoring and control interface, |
| 【分类导航】 | 工业技术>化学工业>制药化学工业>抗菌素制造>大环内脂族抗菌素> |
| 【论文摘要】 | 我国红霉素发酵控制水平尚处于初级自控及手控相结合的阶段，仅靠一些常规的仪表来检测pH值、温度等常规测量参数，对补料的控制尚处于人工操作方式；国内外对温度、pH、溶氧等的在线实时监控技术已日趋成熟，而对于像菌丝浓度、基质浓度和产物浓度等一些重要参数，难以在线实时测量。因此，为了提高自动化水平，提高发酵系数，降低原耗和提高产物的产量，本文设计了一个基于神经网络的红霉素发酵控制系统。
本文采用神经网络方法，通过pH、溶氧这两个参数来估计菌丝浓度、基质浓度和产物浓度。在网络训练、测试后，对样本输出和网络输出进行比较、分析。结果表明，神经网络方法能较好解决菌丝浓度、基质浓度和产物浓度的在线实时测量问题。这就说明红霉素发酵过程的补料优化控制、产量的提高都可以实现。
利用VB、MATLAB和SQL2000设计了上位机监控系统，对红霉素发酵过程的温度、pH、溶氧DO、转速n等参数进行数据采集、处理，调用神经网络算法程序对菌丝浓度、基质浓度和产物浓度进行预测，同时通过数据传送实现对被控参数的控制。优化了生产工艺、提高了设备的可用率，方便地实现了对红霉素发酵过程的实时监控和自动控制。
... |
| 【论文题纲】 |
|
引言 |
9-14 |
|
0.1 红霉素发酵的发展现状 |
9-10 |
|
0.2 选题的意义 |
10-12 |
|
0.3 本文研究内容 |
12-14 |
|
第一章 神经网络方法 |
14-23 |
|
1.1 人工神经网络简介 |
14 |
|
1.2 神经网络的发展 |
14-16 |
|
1.3 神经网络的学习 |
16-18 |
|
1.4 多层前馈网络与 BP学习算法 |
18-22 |
|
1.4.1 网络结构 |
18-19 |
|
1.4.2 BP学习算法及其改进 |
19-21 |
|
1.4.3 BP学习算法的计算步骤 |
21-22 |
|
1.5 小结 |
22-23 |
|
第二章 红霉素发酵过程神经网络控制 |
23-35 |
|
2.1 红霉素发酵过程参数及相应控制方法 |
23-25 |
|
2.1.1 生化反应过程的参数 |
23-24 |
|
2.1.2 红霉素发酵过程参数及相应控制方法 |
24-25 |
|
2.2 基于神经网络的红霉素发酵过程辨识 |
25-34 |
|
2.2.1 神经网络结构设计 |
25-26 |
|
2.2.2 数据预处理 |
26-27 |
|
2.2.3 网络训练 |
27-30 |
|
2.2.4 网络测试 |
30-34 |
|
2.3 小结 |
34-35 |
|
第三章 红霉素发酵过程控制系统的设计 |
35-54 |
|
3.1 发酵罐的改进 |
35-39 |
|
3.2 系统构成 |
39-41 |
|
3.3 软件实现 |
41-53 |
|
3.3.1 数据库设计 |
41-42 |
|
3.3.2 上、下位机通信设计 |
42-47 |
|
3.3.3 VB与MATLAB的交互 |
47-48 |
|
3.3.4 神经网络预测的程序设计 |
48-50 |
|
3.3.5 上位机监控界面 |
50-53 |
|
3.4 小结 |
53-54 |
|
结论 |
54-56 |
|
参考文献 |
56-61 |
|
致谢 |
61-62 |
|
附录一 红霉素发酵样本数据曲线 |
62-65 |
|
附录二 PLD通信子程序 |
65-70 |
|
硕士期间发表论文 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.57338 |
