基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

朱湘临，王 森，王 博

(江苏大学 电气信息工程学院,江苏 镇江 212000)

0 引言

与工业生产中普遍应用的蛋清溶菌酶相比，经嗜低温海洋细菌发酵之后得到的海洋溶菌酶(ML,marine lysozyme)具有更好的抗氧化、耐低温高压等生物特性，在生物工程领域、医药制造和食品包装方面得到了广泛的应用[1-3]。但是ML发酵过程十分复杂，发酵过程中某些关键生物参量(菌体浓度、基质浓度、相对酶活)在线测量十分困难[4-5]。目前发酵的关键参量常用的测量方法是离线测量的方法，但是发酵过程的高度时变性和大滞后性将会导致离线测量误差较大，且操作过程复杂的离线测量污染较为严重，不能够及时反映发酵过程当前状态。采用软测量技术[6-9]是解决该类问题的有效方式之一。

模糊神经网网络[10](FNN，fuzzy neural network)兼备神经网络以及模糊推理的优势，具有很强的推理能力和自适应性能。其强大的自适应能力，在复杂非线性的微生物发酵过程软测量建模中得到了广泛地应用。何朝峰[11]等人将FNN应用于发酵过程关键参数的软测量建模方法中，有效的提高了收敛速度，发酵关键参数的输出超调量得到了有效的控制，同时对其时变特性具有较好的鲁棒性。王华国[12]等人针对发酵过程中关键生物参量难以在线检测的问题提出了一种基于粒子群优化算法与FNN相结合的软测量方法，具有收敛速度快的优点。自适应模糊神经网络[13-15,17](ANFIS,adaptive fuzzy neural network)作为FNN的一种，其进一步加强了神经网络的推理功能，改善了传统神经网络易于陷入局部最优的欠缺点，在复杂非线性系统软测量中得到了广泛的应用。……