改进的PSO-FNN在发酵软测量中的应用

Application of the Improved PSO-FNN in Fermentation Soft Sensing

王华国1，3　　孙玉坤2　　王　博1，3　　黄　丽1，3(江苏大学电气信息工程学院1，江苏镇江　212013;南京工程学院电力工程学院1，江苏南京　211167;机械工业设施农业测控技术与装备重点实验室3，江苏镇江　212013)



改进的PSO-FNN在发酵软测量中的应用

国家高技术研究发展计划基金资助项目(编号:2011AA09070301);

江苏省农业科技支撑基金资助项目(编号: BE2010354);

江苏省自然科学基金资助项目(编号: BK2011465、SBK2014042351);

江苏省高校自然基金资助项目(编号:12KJB210001);

江苏大学高级人才启动基金资助项目(编号:12JDG108)。

修改稿收到日期:2015－03－05。

第一作者王华国(1988－)，男，现为江苏大学农业电气化与自动化专业在读硕士研究生;主要从事生物反应过程软测量与优化控制的研究。

0　引言

随着生物科技的迅速发展［1］，生物发酵不仅为食品行业作出了巨大贡献，也为医药、新能源等行业提供了有力支撑。由于发酵系统主要采用典型的大滞后、强时变、非线性系统，造成许多关键参数仍然不能在线实时检测，给发酵过程的实时控制带来一定的困难。解决此困难的一种有效方法就是建立相关参量的白箱或黑箱模型。

模糊神经网络在智能控制领域已经展现出其自身的优越性［2］，其结合模糊系统与神经网络各自的优点，既能充分利用语言信息，又有一定的自学习、自适应能力，使其无需确切的数学模型，就可以得到非线性系统输出与输入的关系。粒子群优化算法(particle swarm optimization，PSO)具有全局寻优以及所需调整参数少等特点，在数据聚类［3］、生物系统建模、机器人控制等方面都显现出较好的前景。……