[發明專利]一種基于動態貝葉斯網絡的青霉素發酵過程軟測量方法

在審

• 申請號: 202010860623.1
• 申請日: 2020-08-25
• 公開（公告）號: CN111933220A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 徐玉雪;何雨辰;嚴天宏
• 申請（專利權）人: 中國計量大學
• 主分類號: G16C20/10
• 分類號: G16C20/10;G16C10/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于動態貝葉斯網絡的青霉素發酵過程軟測量方法。該方法設計了動態貝葉斯網絡的結構，充分發揮動態貝葉斯網絡在時變過程的優勢，通過將訓練樣本劃分成一定數量的時間切片輸入動態貝葉斯網絡，實現針對青霉素發酵過程的軟測量建模。本發明針對青霉素發酵過程的時變特性，將傳統的貝葉斯網絡在時間上進行擴展，提高了青霉素發酵過程中青霉素含量的預測精度，為其他具有時變特性的復雜化工生產過程質量變量的軟測量建模提供了方法參考。

技術領域

本發明屬于連續化工過程控制和軟測量領域，具體涉及一種基于動態貝葉斯網絡的青霉素發酵過程軟測量方法。

背景技術

生物發酵過程通常是具有嚴重非線性和時變性的復雜動態系統，由于一些涉及到生產安全、質量和效率的質量變量無法在線測量，對其建立機理模型往往十分困難且耗時。如在青霉素發酵過程中，盡管大多數化學參數與物理參數都可以直接在線測量和監控，但對于一些生物參數，如菌體濃度,基質濃度與產物濃度等，對測量條件的要求較高,開發這類傳感器的成本較高，測量精度也無法保證，因此仍然難以直接進行在線監測,由此發展了軟測量建模方法來測量這些生物參數。

在青霉素生產等生物發酵軟測量建模領域，目前已經形成了一些比較成熟的建模方法，如PLS、SVM及其改進方法在青霉素發酵過程中已有應用。但大多數方法是假設青霉素發酵過程是靜態的，即認為該過程是一個運行平穩的環境，因此建模使用的樣本是與時間無關的離散數據，由此獲得的模型是靜態軟測量模型。但是實際的青霉素發酵過程是動態變化的，當該過程的動態變化比較明顯時，靜態軟測量模型的估計精度會大大下降，甚至造成模型失效。因此，針對青霉素發酵過程的軟測量建模可以使用如動態貝葉斯網絡的動態模型，從而提高軟測量精度。

發明內容

為了解決背景技術中存在的技術問題，本發明提供了一種基于動態貝葉斯網絡的青霉素發酵過程軟測量方法，利用動態貝葉斯網絡對發酵過程中青霉素含量進行預測，提高了軟測量模型精度。

本發明采用的技術方案是：

步驟1，收集青霉素發酵過程數據，數據包括正常工況下青霉素發酵過程中質量變量青霉素的含量和與青霉素含量密切相關的11個過程變量：通風率、攪拌機功率、基質進給速率、基質進給溫度、底物濃度、吸收氧濃度、生物量濃度、裝液量、二氧化碳濃度、PH值和發酵罐濃度；

步驟2，構建青霉素發酵過程用于軟測量建模的訓練樣本集及用來驗證軟測量建模效果的查詢樣本集，對單個查詢樣本選取用于訓練動態貝葉斯網絡的訓練數據；

步驟3，構建動態貝葉斯網絡，定義動態貝葉斯網絡的輸入層、隱藏層和輸出層節點：輸入層X為連續節點，節點為模型輸入，對應的變量為過程變量X＝[x₁,x₂,...,x₁₁]；隱藏層Z為離散節點，節點表示隱藏狀態，在模型訓練時其沒有觀測值；輸出層Y為連續節點，節點為模型輸出，對應的變量為質量變量Y；

步驟4，利用動態貝葉斯網絡輸出層的估計概率，從而計算得到質量變量青霉素含量的值；

步驟5，所有查詢樣本預測完畢后，衡量軟測量模型對青霉素含量的預測效果。采用均方根誤差RMSE來衡量預測結果的準確性，用R²衡量預測結果對數據的跟蹤能力，計算方法如下：

其中y_real即每個查詢樣本x_q對應的y_q，為y_real的均值，y_pred為每個查詢樣本對應的預測值，n為查詢樣本的個數。

所述步驟2中具體包括：