（控制科学与工程专业论文）青霉素发酵问题过程特征状态监督系统.pdf

学位论文数据集 川f | f f | f | | j f i i h f j i | i j l i 删 y 18 7 7 8 11 中图分类号 t p l 8 l 学科分类号 5 1 0 8 0 4 0 论文编号 1 0 0 1 0 2 0 1 1 0 8 3 8 密级 公开 学位授予单位代码 1 0 0 1 0 学位授予单位名称北京化工大学 作者姓名王妍学号 2 0 0 8 0 0 0 8 3 8 获学位专业名称 控制科学与工程 获学位专业代码 0 8 1 1 0 1 发酵过程智能检测及优 课题来源横向项目研究方向 化控制 论文题目青霉素发酵间歇过程特征状态监督系统 关键词青霉素发酵，特征状态，监督，p e t r i 网，r b f 神经网络 论文答辩日期2 0 1 1 年5 月2 6 日论文类型开发研究 学位论文评阅及答辩委员会情况 姓名职称工作单位学科专长 指导教师 李宏光教授北京化工大学 过程控制 评阅人1朱群雄教授北京化工大学智能系统工程 复杂工业过程的模型 评阅人2黄克谨教授北京化工大学 化、控制及与优化 评阅人3 评阅人4 评阅人5 街鞍员蝴朱群雄教授北京化工大学智能系统工程 答辩委员1 王晶 副教授北京化工大学先进过程控制 间歇过程建模、控制与 答辩委员2王友清教授北京化工大学 优化 复杂工业过程的模型 答辩委员3黄克谨教授北京化工大学 化，控制及与优化 工业过程建模、优化与 答辩委员4耿志强副教授北京化工大学 控制 答辩委员5 注：一论文类型：1 基础研究2 应用研究3 开发研究4 其它 二中图分类号在中国图书资料分类法查询。 三学科分类号在中华人民共和国国家标准( g b t1 3 7 4 5 9 ) 学科分类与代码中查 询 四论文编号由单位代码和年份及学号的后四位组成 。，；，；一 摘要 青霉素发酵间歇过程特征状态监督系统 摘要 目前，青霉素发酵等间歇过程的过程监督技术主要采用如主元分析 ( p c a ) 等多元统计方法。p 嘶网具有的强大的图形建模和数学分析功能， 尤其适用于描述间歇生产过程。本文针对青霉素发酵间歇生产过程，采用 赋时p e t r i 网和r b f 神经网络相结合，提出了一种基于特征状态的过程监 督方法。 论文首先详细分析了青霉素发酵过程，定义了能够表征青霉素发酵各 阶段特征的若干个特征状态，研究了基于r b f 神经网络提取过程特征状 态的方法。然后，基于赋时p 耐网建模及仿真方法，建立了基于赋时p 嘶 网的青霉素发酵过程特征状态的演化模型，包括正常工况特征状态演化模 型和过程运行特征状态监督模型。最后，将特征状态提取的r b f 神经网 络与特征状态演化的赋时p e t r i 网模型相结合，建立了一个青霉素发酵过 程的智能监督系统，实现对青霉素发酵过程的特征状态的提取及其演化过 程的监督，并对其进行了仿真测试。 研究表明，基于赋时p e 研网和i f 神经网络的青霉素发酵过程的特 征状态监督方法，能够为间歇过程的智能监督提供一个好的途径，具有较 好的应用前景。 关键词：青霉素发酵，特征状态，监督，p e t r i 网，i m f 神经网络 a b s t r a c t c h a r a c t e r i s t i cs t a t e sb a s e ds u p e r v i s i o no f p e n i c l l i nf e r m e n t a t i o nb a t c hp r o c e s s e s a b s t r a c t n o w a d a y s ，s u p e i s i o nt e c l u l o l o g i e s o fb a t c h p r o c e s s e si n c l u d i n g p e n i c i l l i nf e m e n t a t i o nm a i n l yi n v o l v em u l t i v a “a t es t a t i s t i c a lp r o c e s sc o n t r o l 印p r o a c h e ss u c ha sp c a w i ms t r o n gg r a p h i c a lm o d e l i n ga n dm a t h e m a t i c a l a n a l y s i sa b i l i t i e sa v a i l a b l e ，p e t r in e t sa r ep a r t i c u l a r l ya d 印t e dt od e a lw i t h b a t c hp r o c e s s i s s u e s i n s p i r e db yt h e s eo b s e a t i o n s ，r e g a r d i n gp e n i c i l l i n f l e n i l e n t a t i o np r o c e s s e s ，t h i st h e s i s p r e s e n t s ac h a r a c t e r i s t i cs t a t eb a s e d s u p e r v i s i o na p p r o a c hw h i c hc o m b i n e sr b fn e u r a ln e t w o r ka n dt i m e dp e t r i n e t st e c h n i q u e s i n i t i a l l y i n d 印t hi n v e s t i g a t i o n so np e n i c i l l i nf e r m e n t a t i o na r ep e r f o r m e d ， r e s u l t i n gi n ac o u p l eo fc h a r a c t e r i s t i cs t a t e sw h i c hc o u l db e s td e s c r i p tt h e o p e r a t i n gc o n d i t i o n so f t h ep r o c e s s o nt h i sb a s i s ，ai 淝fn e 押o r ka p p r o a c ht o e x 纽a c tt h ec h a r a c t e r i s t i cs t a t e si si n t r o d u c e d s u b s e q u e n t l y u s i n gt i m e dp e t r i n e tm o d e l i n ga n ds i m u l a t i n gt e c l l l l i q u e s ，w ee x p l i c i t l ye s t a b l i s ht i m e dp e t r in e t m o d e l sf o rc h a r a c t e r i s t i cs t a t e se v o l u t i o n so ft h ep e n i c i l l i n f e m e n t a t i o n ， i n c l u d i n gt h em o d e l si nn o m a lc o n d i t i o n sa n dt h o s eo fp r o c e s ss u p e i s i o n o r i e n t e d f i n a l l y ，ac h a r a c t 面s t i cs t a t eb a s e di m e l l i g e n ts u p e r v i s i o ns y s t e m w h i c hc o m b i n e sr b fn e u r a ln e t w o r k 觚dt i m e dp 嘶n e tm o d e l si sd e v e l o p e d ， i 。，l 目录 目录 第一章前言1 1 1 论文研究的目的和意义1 1 2 相关技术文献综述2 1 2 1 青霉素发酵相关问题研究2 1 2 2 间歇过程监控技术4 1 2 3p e t r i 网在间歇过程中的应用5 1 3 论文研究的主要研究内容和结构安排7 1 4 本章小结7 第二章青霉素发酵过程的特征状态提取9 2 1 弓i 言9 2 2 青霉素发酵过程的特征状态一1 0 2 2 1 过程特征状态一1 0 2 2 2 过程特征状态的提取1 1 2 2 3 异常工况过程特征状态提取1 4 2 3 基于r b f 神经网络的过程特征状态提取2 0 2 3 1r b f 神经网络及其学习算法2 0 2 3 2 基于r b f 神经网络的过程特征状态的提取2 4 2 4 本章小结2 6 第三章基于赋时p e t ri 网的特征状态演化模型2 7 3 1 引言2 7 3 2 赋时p e t r i 网建模及分析方法2 7 3 2 1 基本原理2 7 3 2 2 分析方法2 9 3 3 正常工况特征状态演化模型3 3 3 3 1 模型及含义3 3 3 3 2 模型运行分析3 3 3 4 过程运行特征状态监控模型3 5 v 北京化工大学硕士学位论文 1 模型及含义3 5 2 模型运行分析3 6 本章小结：。3 7 四章智能监督系统仿真实验研究3 9 4 1 引言3 9 4 2 青霉素发酵过程智能监督系统4 0 4 2 1 监督系统设计4 0 4 2 2 监督系统运行过程分析4 5 4 3 实验研究4 6 4 3 1 正常工况特征状态演化模型4 6 4 3 2 过程运行特征状态演化模型5 2 4 4 本章小结6 0 第五章结论与展望。6 1 参考文献6 3 致 射6 7 研究成果及发表的学术论文6 9 作者简介7 l v i c o n t 即t s co n t e n t s c h a p t e r1i n t i o d u c 戗o n 1 1 1t a r g e t & s i 鲥丘c a n c eo fm e s i s 1 1 2r e f 柏l c er e 啊e wo f r e l a t e dt e c l l l l o l o g y 2 1 2 1r e s e a r c ho f r e l a t e di s s u eo np e n i c i l l i nf i 锄e n t a t i o n 2 1 2 2m o n i t o r i n gt e c h i l o l o g yo f b a t c hp r o c e s s 4 1 2 3t h ea p p l i c a t i o no f p e t r in c ti i lb a t c hp r o c 嚣s 5 1 3 ) 、r e i e wo f t h e s i s 7 1 4c o n c l u s i o n 7 c h a p t e r2e x t r a c t i o no fc h a r a c t e r i s 蜢cs t a t ef o rp e n i c i u i nf e r m e n t a t i o n p r o c e s s 9 2 1i n t r o d u c t i o n 9 2 2p e l l i c i l l i n 觚e n t a t i o n sc h a r a c t 舐s t i cs t a t e 1o 2 2 1t h e p m c e s s sc h a r a c t e r i s t i cs t a t e 1o 2 2 2e x 舰c t i n gt h ep r o c e s s sc h a r a c t 嘶s t i cs t a t e 。1 1 2 2 3e x 仃a c t i n gt h ep r o c e s s sd l a r a c t e r i s t i cs t a t ef o ra b n o 姗a lc o n d i t i o n s 1 4 2 3e x 劬瞄i n gt h cp r o c e s s sc h a r a 曲耐s t i cs t a t eb a s e d0 ni m fn e u r a ln e t 2 0 2 3 1r b fn e u r a ln e ta n di t s 臼一a i l l i l l ga l g o r i t h m 2 0 2 3 2e x 报l c t i n gt h ep r o c e s s sc h a r a c t 舒s t i cs t a t eb a s e do ni m fn e u r a ln d 2 4 2 4c o n c l u s i o n 2 6 c h a p t e r3t h e e v o l u t i o nm o d e lo fc h a r a c t e r i s t i cs t a t eb a s e do nt i m e dp e t r i n e t 2 7 3 1h l t r o d u c t i o n 2 7 3 2m o d e l i n g 觚d 锄a l y z i n gm e m o d so f t p n 一2 7 3 2 1b 勰i c a lp 打n c i p l e 2 7 3 2 21 km e m o d so f 孤l y z i n g 2 9 3 3t h ee v o l u t i o nm o d e lo fc h 砒a 砌s t i cs t a t eo nn o m a lc 0 n d i t i o n 3 3 3 3 1t t l em o d e l 砌i t sm e a i l i n g 3 3 v h l 王l e s e a r c hr e s u l t sa n dp u b s h e da c a d e m i cp a p e r s 6 9 l i r i e fi n 劬d u c 廿o no fa u t h o r 71 v i i l 第一章前言 1 1 论文研究的目的和意义 第一章前言 为了适应市场经济的快速发展，我国的化工生产在不断扩大生产规模的同时，产 业结构也发生了改变。从产品种类少，产品大批量生产，逐渐地转变到产品种类丰富、 产品小批量生产的模式中去。间歇生产过程是化工工业新兴的生产方式之一，它以拥 有生产流程短、生产所需要的设备简单、变换生产品种容易等优点而在工业生产中占 有着越来越重要的地位。但是，由于间歇生产过程自身的特点，如具有很强的时变性、 非线性，以及连续和离散的混杂特性等，都导致了大多数间歇生产过程的控制和监控 水平不高。 目前，针对间歇生产过程的监控技术主要集中在多元统计方法，例如主成分分析 ( p c a ) ，偏最小二乘( p l s ) 以及基于上述两种方法的各种改进算法。但是，使用多元统 计方法需要大量的测量数据。在进行实际处理时，对于大量的过程变量数据，往往存 在着如采样频率不一致、非线性等很多问题。不仅如此，间歇过程还体现了较强的连 续与离散的混杂动态系统特性，多元统计方法难于对这类混杂的动态特性进行处理。 p e t r i 网自1 9 6 2 年被c 砌a d 锄p e t r i 博士首次提出来以后，便以其具有的强大的 图形建模和数学分析功能，被国内外越来越多的学者所采用。尤其是在描述诸如间歇 生产过程这类的混杂系统时，p 硎网具有很大的优越性。 近几年来，许多学者研究了采用p e t r i 网技术对间歇生产过程进行监控的方法。 从目前的这类技术来看，大多数情况下，仅仅是强调了对于间歇生产过程中的设备操 作的顺序和步骤的监控，而是较少地考虑了生产过程中的连续反应阶段所具有的参数 的变化及其对整个过程的影响。 基于人工神经元网络的控制方法是模拟了人脑的生理结构而形成的智能控制方 法。随着人工神经元网络的理论研究的不断深入和实际应用的不断拓展，其模型推陈 出新，训练算法日益丰富。现今，神经网络早已在各行各业中发挥着举足轻重的作用， 尤其是在处理工业数据信号、辨识控制系统模型参数、控制图表等的模式识别、控制 系统故障监测及诊断和机器人等多个领域都取得了成功的应用，它对智能控制的发展 和应用都具有重大而深远的意义。 本课题在现有的研究基础之上，针对青霉素发酵间歇生产过程，采用了赋时p 硎 网和r b f 神经网络相结合，提出了一种基于特征状态的过程监督方法。首先通过过 程分析，描述了若干个过程的特征状态，建立了i m f 神经网络系统对特征状态进行 提取；然后基于赋时p e t r i 网建立了特征状态的演化模型，从而实现对间歇过程的实 北京化工大学硕+ 学位论文 智能监督。 2 相关技术文献综述 2 1 青霉素发酵相关问题研究 青霉素发酵是青霉素产生菌在合适的培养基、温度、p h 和通气搅拌等发酵条件 进行生长和合成抗生素的代谢活动【l 】。青霉素发酵过程【2 卅是一个具有复杂的化学变 的生化过程。影响发酵的因素可谓是多种多样，这其中既包括了发酵细菌体本身的 物性，又包括参与发酵的酶等的影响。青霉素产生菌在产生青霉素时，经历了从快 的生长，不断的繁殖，大量合成青霉素，到最后渐渐的老化衰亡四个时期。这四个 期发生了极其复杂的生化反应，仅仅是参与发酵的酶的种类就多达千种。不仅如此， 于发酵反应一旦开始，控制起来存在很大的困难，尤其是在青霉素产生后，还会存 在自身的合成和水解问题。 目前，青霉素发酵过程控制的难点体现在以下三个方耐5 j ： ( 1 ) 青霉素发酵过程中青霉素产生菌细胞生长过程的研究。作为青霉素产生菌的次 级代谢产物，青霉素的产生和合成的过程中，存在了多级代谢相互交叉的情况。这是 因为菌体自身的生长存在一个最佳条件，青霉素的产生和合成也存在一个最佳条件。 两者不对应。在发酵前期为使青霉素产生菌能够大量优质的生长和繁殖，将发酵罐的 环境达到其所需的最佳条件。随着菌体的繁殖基本完毕，开始合成青霉素，此时就需 将发酵罐的环境变换成其所需的最佳条件。因此会产生菌体繁殖能力下降，影响青霉 素合成。最终问题是找到一个平衡点，使两者均达到实际最优。 ( 2 ) 青霉素发酵过程的动力学模型的研究。细胞的生长是一个复杂的生化过程，要 想全面细致的对其进行研究是非常困难的，因此建立青霉素发酵的机理模型具有不可 行性。即使通过不断的实验和反复的修正建立了一般意义的发酵数学模型，该数学模 型也会因为细胞生长的复杂性而变得非常复杂，从实际效果上看不仅无法有效实施而 且难于控制。 ( 3 ) 青霉素发酵过程内部特性信息的不完备限制了控制水平的提高。青霉素发酵需 要一个封闭的没有杂质没有杂菌的环境，这就要求在发酵过程的在线监测中，所要使 用的传感器能够在经受高温灭菌的基础上，实现防腐灭菌的功能。同时，在青霉素发 酵过程监控中，菌体浓度、基质浓度、青霉素浓度等都是关键的变量，它们的准确测 量产生的数据对青霉素发酵过程的控制，优化，调度起到了举足轻重的作用。但由于 测量技术有待进一步提高，以期冲破这些关键变量的传感器制造技术上的瓶颈，从而 能够应用于工业生产中，更好的服务于过程的数据采集。特别需要说明的是，由于在 青霉素发酵过程中，发酵反应所具有的特性信息是无法完全获得的，有待进一步的生 2 第一章前言 生化研究来补充。因此现阶段该过程可以认为是一种“灰箱 反应，甚至可以说是“黑 箱 反应，这也从另一方限制了该过程的控制水平。 国内外众多学者采用了不同的先进理论技术改进青霉素发酵过程的监控方法，使 过程最终产物质量提高，过程更具安全性和可控性。虽然基于统计分析的主元分析 ( p c a ) ，独立元分析( i c a ) 以及其改进方法在青霉素发酵过程中应用较为广泛【销】， 但都无法满足青霉素发酵过程的较高的生产需求。软测量技术，以建立辅助变量对主 要变量的最佳估计而建立数学模型作为核心问题，在解决青霉素发酵过程的监督，控 制，优化中存在的诸多难题时得到了广泛的应用和快速的发展。 文献【9 】采用了r b f 神经元网络对青霉素发酵过程进行参数辨识并建立了模型。 该模型不仅具有较高的辨识精度，而且模型结构因基于神经网络而简单易懂，同时便 于应用和实现。实验证明，该模型可被用在对青霉素发酵过程中各个状态变量的预测 和估计中。同时，基于r b f 神经网络建立的辨识模型，提高了生产速度，扩大了经 济效益，对于实时的在线控制反应过程以及操作参数的调优等具有实际目的的工作都 具有一定的指导意义。 神经网络具有逼近任意连续函数的能力，但同时可能会出现类似于过拟合f o v e r f i t t i n 曲等现象，从而导致泛化能力下降等问题。现阶段，众多学者提出了一种融合方 法，即将与青霉素发酵反应过程的内部结构有关的各种知识与用于建模的神经网络相 结合。例如，使用由操作经验和理论研究所总结的发酵过程的知识，或者由物料、能 量平衡方程等组成的发酵过程的部分机理模型融入神经网络，组成基于神经网络的混 合发酵模型。实践证明这样结合建立的辨识模型，要比传统的单纯的机理模型或者“黑 箱式神经网络模型从泛化能力上更强，从模型精度上更高。 文献【i o 】对青霉素发酵过程采用广义混合神经网络建模方法进行建模，该神经网络 模型的训练算法改进之处在于，首先将网络设定的期望输出值与实际测量值进行比 较，算出二者的偏差。当此偏差值不在既定的范围之内时，就根据相应的经验和公式 更改该神经网络的增强节点的数目。最后再重新非线性训练神经网络。如此反复直到 偏差符合限制范围。通过实践该模型实现了对发酵过程菌体浓度的在线测量和调优。 而文献【l l 】基于同样的思想，将自适应模糊神经网络与模糊逻辑推理技术，通过最优加 权融合估计算法融合在一起，用于青霉素发酵过程，不仅充分利用了两个模型的优点， 而且弥补了两个模型的不足，对提高产物产出率和过程控制的精确性都具有重要的指 导作用。 支持向量机( s v m ) ，作为机器学习领域中备受瞩目的技术，在许多领域均取得了 成功的应用。文献【1 2 j 认为原始的最小二乘支持向量机的方法由于使用了大量的数据 而存在计算速度慢的缺点，因此提出了一种改进回归方法。为了将已经建立的回归数 学模型中的大部分的样本数据去除，引用了一个判断步骤。即首先计算输入变量数据 和样本数据之间的欧氏距离，其次再判断所计算出的欧式距离的大小。从而根据判断 3 北京化工大学硕上学位论文 出来的比较值获得了该回归数学模型的“稀疏”特性。将这种具有“稀疏 特性的最 小二乘一支持向量机的方法应用到青霉素发酵过程的软测量建模中，实现了在线预估。 原始的最小二乘支持向量机( l s s 订) 的方法成功地被用于青霉素发酵过程的 在线预估中，但训练精度不高。这是因为这种方法可以认为是不区分支持向量的。因 此文献【1 3 】就针对这个缺陷，引入了一种模糊因子。这种模糊因子是由样本数据与类中 心的偏离程度来确定的。因而这种改进了最小二乘支持向量机( l s s v m ) 的方法也被 称为模糊最小二乘支持向量机。将这种改进的方法用于青霉素发酵过程时，相对于 改进前，提高了训练速度，提升了预测精度。 从目前的研究来看，青霉素发酵过程具有强时变性，非线性和复杂的生物反应等 特点。基于目前的众多理论和技术，针对此过程的建模，监控，故障诊断等工作都需 要大量的过程变量数据或者某些可靠的经验知识。这对实际工作都具有指导意义。 1 2 2 间歇过程监控技术 间歇生产过程，又称为批量生产过程，由于其本身所具有的灵活性【1 4 1 ，已经广 泛地应用在多种高附加值产品的工业生产当中，成为主要的生产方式之一。尤其是在 精细化工、医药、生物制品等产品的制备和加工中充当着重要的角色。近年来，为适 应市场对多品种、多规格、高质量功能型产品的需求，间歇过程生产重新受到重视， 国外还出现了较大规模的间歇生产，针对间歇生产过程的优化和先进控制的研究也相 继出现了新的热潮【l 引。 目前，间歇生产过程的研究仍处于起步阶段，并且类型众多、涉及领域广泛，是 一门多学科综合应用的科学【幡1 8 1 ，涉及到数学科学、物理科学、现代控制理论、现代 信号处理、人工智能、应用化学以及计算机科学等诸多学科的基础理论与技术，因此 对其理论与应用的研究受到广泛的关注与重视。根据现有文献，可以看出，主要从以 下四个方面对间歇生产过程展开研究：( 1 ) 基于数学理论对间歇生产过程建立模型；( 2 ) 从能观性、能控性、稳定性以及有效性等方面对间歇生产过程的性能进行分析与检验； ( 3 ) 如何实现对间歇生产过程进行有效的控制，进而达到最优控制的目的；( 4 ) 根据具 体问歇生产过程的类型，从总体上对其进行综合设计。 基于测量数据的多元统计方法是现阶段在间歇生产过程监控中应用较广泛的方 法。这类技术的总体思路和原理【1 9 删】是：将正常操作工况下的过程变量的历史数据经 过标准化处理而从高维降到低维后，建立诸如主成分空问的h o t e l l i n gt 2 和主成分残 差空间的预测误差平方和( s p e ) 的多元统计指标并限定指标的限制范围。那么就可以 在线监测正在运行的批次的数据的上述多元统计指标，并与所给出的限制范围进行比 较，如果超过上限值或者低于下限值，则认为监测到现有批次运行出现异常。最后根 据贡献图的分布情况确认出现故障的变量，从而对整个间歇生产过程进行故障监测和 4 第一章前言 故障诊断。这类技术出现了很多改进的方法【2 2 2 3 】，不仅遵循了上述基本思路而且也大 大提高了问歇生产过程的建模精度。 但同时可以看出这样做需要对现有批次的未运行的部分进行数据预估，即计算多 元统计指标时需要未发生反应的各变量的数据，因此，国内外众多学者在主元分析 ( p c a ) 和偏最小二乘( p l s ) 等基础技术之上研究出许多改进的方法【2 4 之7 】，主要包括以下 几个方面：( 1 ) 建立未知样本的精确自适应预测模型；( 2 ) 采用其他类型的指标作为衡 量标准，诸如累积效应和时间具体效应等；( 3 ) 充分利用批次与批次之间的轨迹信息。 越来越多的智能监控方法被用到间歇生产过程当中，特别是神经网络，专家系统 和p 嘶网，在间歇生产过程建模，优化和调度等应用中都得到了越来越多的重视与实 践。神经网络( n e u r a ln e t w o r k ，n n ) 是从生物学角度对人类大脑系统的一阶特性进行描 述的数学模型，来完成对人类大脑的组织构造以及对外界事物的认知过程的模拟与抽 象，从而实现类似于人脑的学习、辨识、记忆、认知、联想等处理外部信息的能力。 简单来说，神经网络是由许多互相连接的神经元组成的网状非线性动态信息处理系 统，实现对分布式存储于神经网络上的信息进行综合的过程。这与人类直观性的思维 的十分类似，人类的思维方式当中的直观性是指将分布式存储于人脑当中的信息进行 全面的收集整合，其结果是瞬问萌生的想法或是解决方案，可以说神经网络是人类直 观性思维方式的一种模拟和抽象。在生物神经元的组成单元的功能和构造的基础上， 人工神经网络中的神经元对其进行效仿和抽象，每个神经元由输入、输出以及激活函 数构成。虽然，人工神经元由于结构简单，功能有限，并且本身只进行简单的逻辑运 算，但是，由众多神经元组成的动态网络系统的表现却是十分抢眼的。 文献【2 8 】采用了模糊神经网络建立间歇生产过程的反应模型，并提出了一种全局 收敛性参数学习算法，为间歇过程的精确建模提供了新的思路。文献 2 9 】针对青霉素 发酵过程生化反应复杂，机理模型研究尚不成熟的特点建立了专家系统，并应用到实 际生产当中，取得显著经济效果。文献【3 0 】引入了时间p 嘶网的建模方法，并结合所 给出基于动态规划的优化算法，从而在研究工作中，不仅将过程的并发现象和时间因 素考虑在内，也同时处理了过程的优化问题。 1 2 3p e t ri 网在间歇过程中的应用 p e t r i 网及其理论经过了3 0 多年的不断发展【3 l 彤】，在对系统异步并发操作进行抽 象时，有着天然的优势，并且被广泛地应用到控制理论、计算机科学、化学工程、电 子学、机械制造、物理科学等诸多领域中f 3 4 1 。同时p e t r i 网由于其强大的图形建模和 数学分析功能，直观，易懂和易用，在描述如间歇过程这类的混杂系统时具有优越性。 间歇生产过程【”珊1 是按计划进行的生产过程，那么系统在运行时就要保证完成计 划所指定的生产任务，也要保证在间歇反应中不会出现诸如故障等不被计划所期望的 北京化f t 大学硕士学位论文 生产工况。同时，当系统保证了完成计划所指定的生产任务后，就要求系统是按照计 划所拟定好的运行步骤和运行轨迹来执行生产的j 间歇生产过程中的这样两个问题， 由于p n 具有了可达性，使其更好的被描述出来。 描述间歇反应的某一操作时，安全性用来保证这一操作不被重复执行。有界性使 p “网不会存在描述系统时出现溢出的问题。但同时间歇反应中往往具有一些需要 配备恢复原始状态的操作步骤，那么采用p n 进行建模时，p n 的可逆性就保证这点 的可行性，拓展了p n 描述的系统的范围和种类。增加了描述系统周期特性，重复特 性的能力。 间歇过程的离散状态是由操作设备体现的。因此基于上述观点，李慧芳等【”】首 先实现了将整个操作过程以不同的设备为依据划分成几个不同的子进程。再采用赋时 p e t r i 网对这些子进程进行建模，从建立起整个反应过程的模型。最后，提出了一种 启发式优化算法，该算法可以实现动态的控制过程的运行。仿真结果表明，对化工批 处理过程采用赋时p 嘶网模型，采用启发式动态优化算法控制，既可以针对过程的 资源分配，同步并发关系等加以准确地描述，也能够给出过程生产的最优控制序列。 在间歇生产过程的故障诊断方面，诊断知识的表达方式决定了专家系统的推理策 略。目前p n 的主要的分析技术有两种，第一是可覆盖树方法( t h ec o v e f a b i l i 锣t r e e ) 。 第二是关联矩阵方法( i l l c i d e n tm a t r i x ) 。有界的可覆盖树又称为可达树( t h er e a c h a b i l i t y t r e e ) 。基于模糊p “网的专家系统知识表达是指包括库所、变迁、输入、输出、命 题和可信度、影射等的集合。拥有专家系统的模糊式产生规则的模糊p 咖网模型， 不仅能够较好地表示和处理模糊知识，并且根据变迁可信度大小，能够以深度优先搜 索方法寻找一条最有可能产生已知故障的路径。为此，王俊国等【3 8 1 针对机车柴油机故 障信息的不确定性和模糊性，建立了基于p e t r i 网的模糊诊断的知识表达方法。 文献3 9 1 认为产品开发过程的协同部分，具有离散性和动态性，引入有色p e t r i 网( c p n ) 技术，建立该过程的模型。多层模型的使用实现了产品的协同开发过程中的 复杂关系映射到c p n 网上的目的，该映射是从基本到复杂的。 文献【4 0 】介绍了一个具有三层嵌套p e t r i 网的间歇生产过程的定型模型。上层网络 则描述间歇工厂的布局，中间层则描述间歇反应必须遵循的操作流程，底层则描述了 具体设备的执行情况。其中，底层的网络仍然是拥有原始的令牌。而其他两层的令牌 则拓展为p e t r i 网。这样建模的好处是使模型更加具有层次，更加简洁，而且易于应 用到不同的工厂环境中。 近年来，神经网络作为智能领域的一大分支，在工业过程建模和故障诊断中发挥 着越来越重要的作用。众多学者在p e t r i 网的基础上引用了神经网络，将两者的优点 加以结合，应用在间歇过程建模等研究当中都收到了良好的效果。 文献【4 1 】建立了一个以p e t r i 网为底层，神经网络为顶层的双层模型。p 嘶网监 督工业过程运行情况，起到监测生产过程是否出现故障的作用。神经网络则发挥其强 6 第一章前言 大的模式识别的功能，起到将区分故障类型从而诊断故障的作用。此模型不仅可以应 用到大型系统中，而且可以更早地执行故障监测和诊断。 文献 4 2 】针对混杂系统过程的离散部分和连续部分，分别采用p e t r i 网和人工神 经元网络a n n 建模。a 1 州系统通过建模构成了混杂系统的连续部分，混杂p e t r i 网 中的离散变迁是否发生，由a n n 网络给出的结果决定。同样地以启发式调度规则优 化变迁的触发序列。将该混合模型应用到二甲基甲酰胺溶剂回收的原料蒸发过程中， 建立了较好的整体控制模型。 p 嘶网在间歇过程的建模和监督控制方面拥有巨大的潜力，随着计算机技术的不 断发展，相信p “网及其应用软件会成为一件有力的，必不可少的，易于使用的技 术工具。 1 3 论文研究的主要研究内容和结构安排 第一章主要介绍了论文的研究背景、研究目的和意义，以及国内外的研究状况和 现有技术。 第二章给出了青霉素发酵过程的特征状态的定义，具体定义了特征状态的形式以 及其含义。针对正常工况和异常工况，给出青霉素发酵过程的特征状态的不同意义。 详细设计了用于特征状态提取的r b f 神经网络，详细说明了基于i 啦f 神经网络的特 征状态提取过程，给出r b f 神经网络的具体结构，训练算法。 第三章建立了基于p e t r i 网的特征状态演化模型。首先，介绍了赋时p 嘶网技术 的相关理论，研究了基于m a t l a b 环境的赋时p “网的建模和分析方法。其次，给 出特征状态演化模型的具体结构，变迁和库所的具体含义，并且详细分析了该模型的 运行原理。 第四章对基于特征状态的青霉素发酵过程的模型进行了仿真验证，研究了在 m a t l a b 环境下赋时p e t r i 网的仿真实现问题以及r b f 神经网络和p 嘶网相结合的 具体的仿真方法，并对仿真结果进行了分析。 第五章总结了论文的工作，并对后续的研究内容进行了展望。 1 4 本章小结 介绍了本课题的研究背景和目的意义，回顾了青霉素发酵过程的相关问题的研究 情况，以及间歇过程中的建模和监督的理论技术及其发展现状，并重点介绍了p 嘶 网的在间歇过程中的应用，最后简要地介绍了所研究工作的内容。 7 北京化工大学硕七学位论文 一 8 第二章青霉素发酵过程的特征状态提取 2 1 引言 第二章青霉素发酵过程的特征状态提取 青霉素发酵过程总体上可以分为三个阶段【4 3 扔】，分别是菌体生长阶段、青霉素合 成阶段、菌体自溶阶段。在菌体生长阶段中，在接种了合适的发酵培养基之后，青霉 素产生菌经过一定时间的环境适应，便开始迅速发育、生长和繁殖。当青霉素产生菌 达到既定的菌体的临界浓度时，标志着菌体生长阶段结束。在青霉素合成阶段中，青 霉素产生菌合成青霉素，因而青霉素浓度逐渐增大。当青霉素浓度开始停滞不变时， 代表青霉素产生菌的青霉素合成能力衰退，标志着青霉素合成阶段的结束。在菌体自 溶阶段中，青霉素产生菌衰老，菌体细胞自溶，因而合成青霉素能力衰退。在这个阶 段必须结束发酵，否则青霉素会受到破坏，给发酵液的提炼带来困难。青霉素发酵反 应罐示意图如图2 1 所示。 s c 0 2 ，0 2 图2 1 青霉素发酵反应罐 f i g 2 1r 瑚c 6 j 盯o f p i c i l l i n 触n e i l 切t i o n 冷却水 放罐 由此可见，青霉素发酵过程具有很强的时变性，非线性和生物反应复杂性，建立 青霉素发酵过程的模型不仅需要先进的建模方法，而且需要准确及时地掌握发酵过程 的实际情况。因此对青霉素发酵过程的精确数学建模难于实现。 监督发酵过程的特征状态则可以很好的解决这一问题。特征状态是生产过程在运 9 北京化丁大学硕士学位论文 中所呈现出的能够表达一定的运行状况的状态量的集合，通过对特征状态的监督与 析，能够辅助操作人员对过程的运行状况进行j 下确的判断，以实施有效的过程控制 操作。特征状态一般应该包括从可测的连续和离散变量中提取出的过程运行的关键 息，如关键过程参数的向上和向下的演变趋势，以及达到一些关键点的时间值等。 过对过程的特征状态的监督能够实时了解发酵的进程，发酵的运行状态，也可以对 酵过程进行基于特征状态的智能的监控。 2 青霉素发酵过程的特征状态 2 2 1 过程特征状态 根据青霉素发酵反应的工艺，结合青霉素产生菌菌体生长周期的特点，为了对青 霉素发酵反应进行更加细致的描述，将青霉素发酵反应过程中的菌体生长阶段再划分 为两个阶段，即菌体生长前期和菌体生长中期。这样一来，青霉素发酵反应过程被更 加细致地划分为以下四个阶段：菌体生长前期、菌体生长中期、茵体生长中后期以及 菌体生长后期。其中，菌体生长前期与菌体生长中期共同体现了菌体生长阶段的特征； 菌体生长中后期描述的是青霉素合成阶段；菌体生长后期则对应了菌体自溶阶段。如 图2 2 所示。 图2 - 2 青霉素发酵过程中四个反应阶段 f i g 2 2f o l l r 嘲c t i o np e f i o d so f p e i l i c i l l i n 锄m e n t a t i o n 在菌体生长前期( 0 4 0 h ) ，菌种被植入发酵罐并适应环境后开始加速增长繁殖，大 量吸收氧气，溶解氧浓度d d 快速下降，发酵罐p h 值降低，这个时期并不合成青霉 素，故合成青霉素的浓度尸为o 。 当进入菌体生长中期( 4 0 一5 0 h ) 时，菌体浓度是对数上升趋势，为了延长菌种生长 l o 第二章青霉素发酵过程的特征状态提取 时间以便合成更多的青霉素，要对发酵罐进行通风和搅拌，同时要使p h 值保持在适 宜菌种生长并合成青霉素的合理范围内，因此在通风和搅拌的作用下，溶解氧浓度 d d 从最低值上升到稳态值。而p h 值则在碱补给的作用下呈现一个波峰形式，并最 终趋于稳定，在这个时期合成少量青霉素，青霉素浓度尸小于o 1 。 在发酵过程顺利完成前两个周期进入菌体生长中后期( 5 0 3 0 0 h ) 时，过程主要变量 趋于稳定，正常情