[發明專利]一種海洋低溫堿性蛋白酶的發酵控制方法

有效

• 申請號: 201711024666.0
• 申請日: 2017-10-27
• 公開（公告）號: CN107908128B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 王博;趙海清;朱湘臨;丁煜函;郝建華;華天爭
• 申請（專利權）人: 江蘇大學
• 主分類號: G05B19/042
• 分類號: G05B19/042;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種海洋低溫堿性蛋白酶的發酵控制方法，其特征在于，包括以下步驟：

步驟一、發酵控制參數采集：通過智能控制器(14)收集發酵控制參數并傳送到上位計算機(15)存儲；

步驟二、發酵控制參數編碼：所述步驟一采集得到發酵的輸入輸出數據，包括：發酵罐溫度T、發酵液酸堿度pH、電機攪拌轉速r、空氣流量l、海洋蛋白酶相對酶活P，并根據所得到的數據訓練BP神經網絡，所述步驟二的具體包括以下步驟：

步驟2.1，采集發酵過程外部變量數據：通過氣體流量傳感器(11)采集空氣流量l，通過轉速傳感器(5)采集電機攪拌轉速r，通過熱電阻(6)采集發酵罐溫度T，通過pH電極(7)采集發酵液酸堿度pH、；發酵液經離心分離器(8)分離后離線檢測得到海洋蛋白酶相對酶活P；

步驟2.2，把發酵數據集隨機分成兩部分，一部分為訓練數據集，一部分為測試數據集；訓練數據集用來訓練BP神經網絡，測試數據集不參與訓練BP神經網絡，而是用于測試經過訓練的BP神經網絡預測發酵產品產量的準確性；所述步驟2.2中構建BP神經網絡的方法：把空氣流量l、電機攪拌轉速r、發酵罐溫度T、發酵液酸堿度pH作為BP神經網絡的輸入層輸入節點，把海洋蛋白酶相對酶活P作為BP神經網絡的輸出層輸出節點，選擇適當的隱含層節點數，構建三層BP神經網絡；進行BP神經網絡訓練后進行測試，如果誤差較大，則重新進行訓練，如果誤差在允許的范圍內，則BP神經網絡訓練合格；步驟三、初始化魚群：采用開環P型迭代學習控制算法控制發酵時的發酵罐溫度T、發酵液酸堿度pH、電機攪拌轉速r、空氣流量l，以迭代學習控制的增益參數k_T、k_p、k_r、k_l，構建四維向量作為一條人工魚個體，初始化魚群；

步驟四、設置迭代學習控制初始值：設置初始狀態下發酵過程的發酵罐溫度T、發酵液酸堿度pH、電機攪拌轉速r、空氣流量l，并以海洋蛋白酶相對酶活P為控制指標，計算每條人工魚對應的跟蹤誤差，并記錄最優個體；

步驟五、執行一次人工魚群算法：當前魚群分別執行覓食行為、群聚行為、追尾行為；

步驟六、選取人工魚最優個體：判斷執行完步驟五以后，人工魚對應的跟蹤誤差是否降低，將所有人工魚數據記入公告板，并選取跟蹤誤差最低的人工魚數據作為當前批次、當前采樣點迭代學習算法的增益參數；

步驟七、判斷最優適應度值：待當前批次發酵完成，采集海洋蛋白酶相對酶活P的數據，判斷最優人工魚的適應度值是否已經達到預期要求，若是，則輸出最優解，若不是，則在新的采樣點，跳轉至步驟五，直到找出最優解。