基于改进PSO算法的发酵过程模型参数估计.pdfVIP

学兔兔 第3l卷 第1期 仪 器 仪 表 学 报 、，_0l_31NO．1 2010年1月 Chinese Journal of Scientitic Instrument Jan．2010 基于改进PSO算法的发酵过程模型参数估计冰 薛尧予， 王建林， 于 涛， 赵利强 (北京化丁大学 信息科学与技术学院 北京 100029) 摘 要：建立准确的非线性机理模型是发酵过程优化调控的关键。提出了一种基于改进粒子群优化算法(PSO，particle swarm optimization)的发酵过程模型参数估计方法，并将该方法用于青霉素发酵过程建模。改进的PSO算法通过引入粒子群能量 对粒子进行自适应分群以防止粒子陷入局部最优，从而保证收敛于全局最优解。实验结果表明，该方法可以有效地实现青霉 素发酵过程模型参数的准确估计，所得到的模型精度能够满足发酵过程的状态估计和控制需求。 关键词：粒子群算法； 青霉素发酵； 非线性模型； 参数估计 中图分类号：TP273 文献标识码：A 国家标准学科分类代码：120．30 Parameter estimation of fermentation process model based on an improved PSO algorithm Xue Yaoyu， Wang Jianlin， Yu Tao， Zhao Liqiang (College ofInformation Science＆Technology,Beijing University ofChemical Technology，BeUing 100029，China) Abstract：Establishing an accurate nonlinear mechanism model is the key of optimal regulation in fermentation process．In this paper,a parameter estimation method of fermentation process model based on an improved parti— cle swarm optimization(PSO)algorithm is proposed．And the method was used in penicillin fermentation process modeling．The particles in the improved PSO algorithm are partitioned into several sub—swarms adaptively ac— cording to the energy of the swami to prevent the particles from going into a local optimum，thus ensuring that the algorithm converges to the global optimal solution．Experimental results show that the method can effectively re— alize accurate estimate of model parameters in penicillin ferm entation process．The accuracy of the model call meet the requirements of state estimation and condition control in fermentation process． Key words：particle SWalTI1 optimization；penicillin ferm entation；nonlinear mo