针对生物发酵过程中生化变量难以在线检测的问题,提出一种基于变量投影重要性(Variable importance in the project,VIP)方法优化的神经网络逆系统软测量模型。根据逆系统理论建立发酵过程生化变量的软测量模型,由于发酵系统的复杂性,...针对生物发酵过程中生化变量难以在线检测的问题,提出一种基于变量投影重要性(Variable importance in the project,VIP)方法优化的神经网络逆系统软测量模型。根据逆系统理论建立发酵过程生化变量的软测量模型,由于发酵系统的复杂性,逆系统软测量模型具有不惟一性,且难以得到精确的表达式。文中提出采用VIP方法对逆系统软测量模型的辅助变量进行优选,以对主变量贡献率较高的变量作为软测量模型的辅助变量,离线采集发酵过程各变量值,训练神经网络近似逆系统软测量模型,得到优化的神经网络逆系统软测量模型,实现发酵过程中菌体浓度和基质浓度的在线估计。利用Pensim平台采集数据,对所提方法做了仿真实验,结果表明:经过优化辅助变量的神经网络逆系统软测量方法具有更高的估计精度和泛化能力。展开更多
文摘针对生物发酵过程中生化变量难以在线检测的问题,提出一种基于变量投影重要性(Variable importance in the project,VIP)方法优化的神经网络逆系统软测量模型。根据逆系统理论建立发酵过程生化变量的软测量模型,由于发酵系统的复杂性,逆系统软测量模型具有不惟一性,且难以得到精确的表达式。文中提出采用VIP方法对逆系统软测量模型的辅助变量进行优选,以对主变量贡献率较高的变量作为软测量模型的辅助变量,离线采集发酵过程各变量值,训练神经网络近似逆系统软测量模型,得到优化的神经网络逆系统软测量模型,实现发酵过程中菌体浓度和基质浓度的在线估计。利用Pensim平台采集数据,对所提方法做了仿真实验,结果表明:经过优化辅助变量的神经网络逆系统软测量方法具有更高的估计精度和泛化能力。
