[發明專利]一種食品智能化液態發酵參數控制方法

有效

• 申請號: 201910206720.6
• 申請日: 2019-03-19
• 公開（公告）號: CN109976157B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陳全勝;歐陽琴;王安成;許藝;焦天慧;王井井;李歡歡;郭志明
• 申請（專利權）人: 江蘇大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05B13/02;C12Q3/00
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 謝秀娟

1.一種食品智能化液態發酵參數控制方法，其特征在于，包括以下步驟：

步驟1，采集夏秋茶氧化發酵過程中發酵液的多酚含量和顏色信息；

步驟2，將多酚含量和顏色信息作為模糊推理的輸入因素，將夏秋茶氧化發酵的溫度、發酵液PH、發酵液溶氧值DO、發酵液攪拌的轉速作為模糊推理的輸出因素；構建模糊控制系統；

步驟3，確定模糊控制系統的輸入輸出因素的變化論域；

步驟4，制定輸入輸出因素的模糊劃分及隸屬度函數；

步驟5，制定輸入輸出參數概率耦合規則及模糊控制表；

步驟6，模糊推理及改進的馬爾科夫方法解耦合化；

模糊推理及改進的馬爾科夫方法解耦合化的具體過程為：

此模糊推理和改進馬爾科夫方法解耦合模型構成如下：

對于采集的發酵液多酚含量以及顏色信息，以及需要輸出至控制機構的發酵溫度、發酵液pH、發酵液溶氧值DO、發酵液攪拌轉速，計算各參數組合的模型的權重，并將多個模型作為觀察序列，采用前向因子α_t(i)，對前向因子初始化，α₁(i)＝π_ib_i(Y₁),其中1≤i≤N，Y1是時序中初始時刻的概率；運用遞歸的方法不斷計算權重，從前向后逐步遞推α_t+1(j)＝[∑α_t(i)α_ij]b_j(Y_t+1)，其中1≤t≤T-1，1≤j≤N，α_t為觀察序列在t時刻的概率，b_j為給定馬爾可夫模型觀察序列的概率；

將發酵控制模型看作是一個觀察序列，O＝O₁O₂,...,O_T觀察模型為λ＝(A,B,π)，計算P(O|λ)，并將各參數的數據作為一個給定模型與觀察序列的匹配程度；

選擇一個確定的馬爾科夫模型λ_i＝{A_i,B_i,π_i},i＝1,2,···,C，其中A_i，B_i，π_i均為模型的參數；對于給定的發酵模型觀察序列O＝O₁,O₂,···,O_T以及隱馬爾科夫模型的模型參數λ_i,i＝1,2,···,C，其中O_T為因素O在T時刻所處的被觀察狀態；

對于一個特定狀態序列Q＝q₁,q₂,...,q_T，產生觀察序列O＝O₁O₂,...,O_T的概率為：

其中b_qT為概率模型在t＝T時觀察序列O的概率，對給定模型參數λ，產生狀態序列Q＝q₁,q₂,...,q_T的概率為：P(Q|λ)＝π_q1a_q1q2a_q2q3···a_qT-1qT(4.11)

其中α_qT-1qT為函數參數，為了計算模型產生觀察序列O＝O₁O₂,...,O_T的概率，必須將每一種隱狀態序列都考慮進去，計算它們各自產生觀察序列O＝O₁O₂,...,O_T的概率，然后進行求和，因此，所求概率為：

從式(4.12)得出，觀察序列O＝O₁O₂,...,O_T的概率等于所有可能產生這個觀察序列的隱狀態序列的概率之和，基于前向方法遞歸思想的算法計算P(O|λ)，使得算法的時間復雜度減小至N²T，N為觀察序列的維度；求解耦合狀態下各個發酵控制參數的解耦值；

步驟7，將夏秋茶氧化發酵過程中的四個輸出因素作為控制參數，并輸入到執行機構中，分別調節執行機構中的加熱裝置、用于改變發酵液PH值的酸堿泵、用于改變發酵液溶氧值的氣泵以及改變發酵液攪拌轉速的攪拌電機。