基于AGA-BP的发酵过程智能补料控制策略.docx

下载文档

0
0
约8千字
约 12页
2024-09-25 发布于湖北
举报
版权申诉
保障服务

基于AGA-BP的发酵过程智能补料控制策略.docx

1、本文档共12页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

基于AGA-BP的发酵过程智能补料控制策略

张卫国刘文慧蔡可

摘要：針对微生物发酵补料生产中自动化程度低和补料量精度差的问题，提出一种基于AGA-BP的微生物发酵过程智能补料控制策略。基于微生物发酵过程的工艺特性，利用BP神经网络建立发酵过程的动态数学模型，并引入自适应遗传算法AGA对BP神经网络动态补料控制模型的权值进行优化。将建立的AGA-BP智能补料控制模型嵌入到ARM11控制器中，计算出当前最佳补料量，并通过无线传输模块对补料执行模块进行远程控制。实验结果表明，菌体浓度在AGA-BP补料策略控制下，相比人工补料提高了8.62%，相比未优化的BP神经网络提高了4.55%。因此，基于AGA-BP的补料策略具有更高的补料控制精度，有助于生物发酵实现自动化生产，提高发酵效率，降低生产成本。

关键词：智能补料;BP神经网络;自适应遗传算法;嵌入式系统;智能控制

DOI：10.11907/rjdk.201745?????????????????????????????????????????????????????????????????开放科学（资源服务）标识码（OSID）：

中图分类号：TP319?文献标识码：A???????????????文章编号：1672-7800（2020）011-0164-05

IntelligentFeedControlStrategyforFermentationProcessBasedonAGA-BP

ZHANGWei-guo1，LIUWen-hui2，CAIKe2

（1.YangzhongWeiketeBiologicalEngineeringEquipmentCo.LTD，Yangzhong212200，China;

2.SchoolofElectricalandInformationEngineering，JiangsuUniversity，Zhenjiang212013，China）

Abstract：Aimingattheproblemsoflowdegreeofautomationandpooraccuracyoffeedvolumeintheprocessofmicrobialfermentationfeedproduction，thispaperproposesanintelligentfeedcontrolstrategyformicrobialfermentationprocessbasedonAGA-BP（AdaptiveGeneticAlgorithm-BPneuralnetwork）.Basedonthetechnologicalcharacteristicsofmicrobialfermentationprocess，thedynamicmathematicalmodeloffermentationprocessisestablishedbyusingBPneuralnetwork，andAGAisintroducedtooptimizetheweightofBPneuralnetworkdynamicfeedingcontrolmodel.TheestablishedAGA-BPintelligentfeedingcontrolmodelisembeddedintoARM11controller，andtheoptimalfeedingquantityiscalculated，andtheremotecontroliscarriedoutbywirelesstransmissionmodule.TheexperimentalresultsshowthattheconcentrationofbacteriaunderthecontrolofAGA-BPfeedingis8.62%higherthanthatofartificialfeeding，and4.55%higherthanthatofunoptimizedBPneuralnetwork.Therefore，theAGA-BPstrategyhasahighercontrolaccuracyoffeedamount，whichisconducivetotheautomaticprod